救急部門には構造的な問題がある
米国の救急部門は、患者がドアに到着するずっと前からしばしば患者を失望させてきた医療システムにとって、最後の手段のセーフティネットとなっている。数日間に及ぶこともあるボーディング、ベッドを待つ患者であふれる廊下、書類業務に追われる臨床医、極限まで薄く広がった支援スタッフ——これらは異常ではない。標準なのである。今週のAIプログノーシスコラムで、ブリタニー・トランは、人工知能ツールは、どれほど洗練されていようと、救急外来を救うことはないと論じている。なぜなら救急外来はソフトウェアの問題ではないからだ。それは、医療が組織化され、資金提供され、提供される方法における、より深く、より根強い失敗の症状なのである。
この結論は、急成長するAIヘルスケアの状況に逆行するものである。近年、患者と臨床医の会話を聞き取って臨床メモを自動生成するAI書記、敗血症リスクや外傷の重症度をフラグ付けする予測アルゴリズム、胸部X線やCTスキャンを超人的な精度で読影すると約束するコンピュータビジョンに対する誇大広告は最高潮に達している。時間的プレッシャーと大量のデータ、高いリスクを伴う救急部門は、完璧な実証の場のように見えてきた。
なぜAIが救急医療に魅力的なのか
その魅力は理解できる。救急医療は、最も文書化の多い専門分野の一つである。典型的なシフトでは、チャーティング、サインアウト、請求コード、品質指標が大量に発生する。医師は、直接の患者ケア1時間ごとに、時間外のチャーティングに2時間を費やすことがよくある。AI書記は、その時間を取り戻し、医師が画面ではなく患者に集中できるようにすると約束する。トリアージツールは、機械学習を使用してリスクスコアに基づいて患者の優先順位を付け、待ち時間を短縮する可能性がある。敗血症予測モデルは、肩越しの自動的な一瞥のように、微妙な初期兆候を臨床医に警告できる。
しかし、これらのツールは、トランが指摘するように、システムの端で動作する。夜間、週末、または保険なしでケアを受けられる場所がERだけであるという事実には何も対処しない。入院が必要なのに、病院が満床のため行き場のない患者のための入院ベッドを創出しない。看護師、精神科スタッフ、ソーシャルワーカーの不足を緩和しない。かかりつけ医の予約が取れなかった患者、またはそのニーズが医学的ではなく社会的（住居、食料安全保障、交通手段）である患者の流れを止めない。
AI書記は症状に対処するが、病気には対処しない
病院管理者の寵児であるAI書記を例にとろう。これは「愚かな問題」の解決策の完璧な例である。つまり、メモを取るという退屈で反復的なタスクを自動化するのだ。その過程で、臨床での出会いの間に、このツールは確かに燃え尽き症候群を軽減し、医師と患者の間のアイコンタクトをある程度回復させるかもしれない。そのようなツールを使用している医師は、少なくとも最初は、疲労が減り、満足度が高まったと報告している。しかし、その文書化負担のより深い原因——役に立たないクリック、防御的医療、コンプライアンス主導のチェックボックス、保険会社に毎分を正当化する必要性——は、手つかずのままである。
量を価値よりも報いるシステムは、チャーティングが自動化されたとしても、臨床医により多くの患者を診るよう圧力をかけ続けるだろう。タイピングから自動的に解放された医師は、混雑した待合室と管理者が設定した4時間の目標のプレッシャーを依然として感じる。AI書記はより多くの時間を与えるのではなく、圧迫された時間がどこに行き着くかを変えるだけである。インセンティブ、人員配置比率、ケアの償還方法の変更がなければ、正味の効果は、病院が同じ数の医師により多くの患者の診療を単にスケジュールし、燃え尽き症候群をさらに加速させることかもしれない。
同様に、AIベースのトリアージツールは有用であり得るが、注意深く調整され、すでに機能しているワークフローに統合される必要がある。根本的なプロセスが混沌としている場合、アルゴリズムはその混沌を受け継ぐ。そして予測モデルは、履歴データに存在するバイアスをコード化し、すでに疎外されている集団に対するケアを悪化させるリスクがある。
「愚かな問題」が最も難しい
トランのコラムは、より広範なAIプログノーシスシリーズの一部であり、一貫して、ヘルスケアにおけるAI採用の最も重要な障壁は、派手なアルゴリズムではなく、魅力のない退屈な「愚かな問題」——データ相互運用性、アラート疲れ、ユーザーインターフェース、規制の明確さ——であると論じてきた。STATの別の場所で紹介されている元ARPA-Hディレクターのスタートアップは、まさにこれらの問題に取り組んでいると報じられており、医療におけるAIの最大の勝利は、壮大な予測ではなく、デジタル配管の再構築からもたらされる可能性が高いことを認めている。
救急部門の文脈では、それらの愚かな問題はどこにでもある。ナラティブ書記を動かす自然言語処理は、あらゆるアクセント、方言、医療用語に対応しなければならない。インターフェースは、散らかった机の上の古いコンピュータで動作しなければならない。AI出力は、それぞれ独自の構造を持つ複数のベンダーの電子健康記録に流れ込む必要がある。そしてアラートは、臨床医がアラート疲れのために完全に無視しないように調整されなければならない。それらの問題を解決することは不可欠だが、それでも粗い表面をわずかに滑らかにするだけである。
解決されないのは、ボーディングの問題である。全国の救急部門は、患者が入院病棟に移されないため、記録的な待ち時間を報告している。これは多くの場合、入院が書類手続きによって遅れているのではなく、病院のベッド不足によるものである。医師がICUケアを必要とする重篤な患者を抱えているが、ICUベッドが空いていない場合、AIツールはベッドを創出できない。同様に、精神病棟のベッドを数日間待つ精神科のホールドがある場合、AIはその患者を収容したり、精神科の労働力を拡大したりはしない。
技術的な解決策がない問題もある
救急医療の危機は、より広範な労働力不足も反映している。看護師は、パンデミック時代の燃え尽き症候群と劣悪な労働条件によって悪化し、大挙して職業を去った。医師は早期退職したり、より良いワークライフバランスを約束する仕事を求めたりしている。残っている看護師や医師にAI書記を導入しても、ある程度のストレスは軽減されるかもしれないが、訓練を受けた専門家のパイプラインを再構築することはない。体系的な解決策には、教育へのより大きな投資、時間と賃金の再構築、安全な人員配置比率の創出が含まれる——これらは技術的ではなく政治的なタスクである。
そして患者自身もいる。救急部門は、満たされない社会的ニーズの受け皿としてますます機能している。介護者がいない高齢者が転倒した場合、ケアプランのない依存症の若年成人、ホームレスを経験している働く家族。AIは在宅ケアを手配したり、手頃な価格の住宅を追加したり、メンタルヘルスカウンセリングへのアクセスを保証したりすることはできない。これらのケースは、うまく機能しているシステムにおける「エッジケース」ではなく、多くの病院では、毎日の来院者のかなりの割合を占めている。EMRデータ、診断コード、ナラティブはすべて、技術的な流れの欠陥ではなく、健康の社会的決定要因であるパターンを明らかにしている。
真の前進の道
トランの結論は、AIが救急外来で無価値であるということではない。それどころか、このコラムは、いくつかのツールが文書化の正確性を改善し、日常的なエラーを減らし、臨床医の情報検索を支援できることを認めている。しかし、これらは支援的な役割である。AIがERを再構築し、活性化できるという期待は見当違いである。救急部門を悩ませている問題は、医療全般を悩ませている問題と同じである。つまり、断片化された資金調達、プライマリケアとメンタルヘルスサービスの不足、資金不足の公衆衛生、高齢化人口、そして時代遅れの運用モデルに重なっているのである。
「AIでERを修正する」努力は、リーダーがより困難な会話を避ける原因になる場合、逆効果になることさえある。管理者は、新しいAIダッシュボードを改善の兆候として指摘できる一方で、同じ息で、看護師比率の向上、ボーディングプロトコルの改善、非緊急ケアをそらすためのコミュニティ組織との連携の必要性を無視している。救急部門は、医療エコシステム全体の圧力逃し弁であり、破裂寸前である。どんなに巧妙な技術もそれを変えることはできない。ケア提供の構造を変えるというコミットメントだけがそれを変えることができる。
AIプログノーシスからの教訓は、AIが救急外来を修正できるかどうかを尋ねるのをやめ、なぜ技術が政策、リーダーシップ、資金によってのみ解決できるものを解決すると期待するのかを尋ねるべきであるということだ。アルゴリズムに支援させなさい。しかし、支援を必要とするシステムの全重量をそれらに担わせてはならない。
トランが書いているように、AIはERの問題を変えることはできない。それは科学の失敗ではない。それは、ヘルスケアが人間のシステムであり、その最も困難な問題は頑固に人間的であることを思い出させるものである。
この記事はSTATニュースの報道に基づいています。元の記事を読む。
Originally published on statnews.com
