Bezpečnost a spolehlivost hodnocení symptomů řízených umělou inteligencí u dětí a dospívajících

Digitální zdravotnické technologie (DHT) jsou stále více vyvíjeny na podporu zdravotnických systémů po celém světě. Často jim však chybí medicína založená na důkazech a lékařské potvrzení. V západních zemích je značná potřeba přesně alokovat zdroje zdravotní péče a poskytovat obyvatelstvu podrobné a spolehlivé informace o zdraví, které umožní převzít větší odpovědnost za své zdraví. Inteligentní systém řízení toku pacientů (IPFM, název produktu Klinik Frontline) je vyvinut pro splnění těchto potřeb. V praxi se IPFM používá pro podporu rozhodování v triagingových a diagnostických procesech a také pro automatizaci řízení přílivu pacientů. Jádrem IPFM je klinická umělá inteligence (AI), která využívá komplexní lékařskou databázi klinických korelací generovaných lékaři.

Studijní populace tohoto výzkumu se skládá z pacientů z dětské pohotovostní kliniky Fakultní nemocnice v Turku (TUH). Data budou shromažďována během 6 měsíců pilotáže, po které budou výsledky analyzovány. Předpokládaný počet pacientů ve studii je minimálně 500 pacientů s cílem být 1 000. Při návštěvě nemocnice budou pacienti nebo jejich opatrovníci hlásit své demografické údaje, základní informace a symptomy pomocí strukturovaného online formuláře IPFM. Výsledky získané z IPFM jsou ze strany zdravotnického pracovníka zaslepeny a IPFM neovlivňuje klinické rozhodování odborníka. Data získaná z online formuláře IPFM a klinická data z oddělení urgentního příjmu a TUH budou po sběru dat analyzována. Hlavním cílem výzkumu je ověřit používání IPFM vyhodnocením spojení výstupu IPFM s 1) naléhavostí a závažností podmínek; a 2) skutečné diagnózy diagnostikované lékaři. Hlavní hypotézy výzkumu jsou, že 1) IPFM je bezpečná a citlivá při hodnocení naléhavosti stavu přijíždějících pacientů na urgentní příjem a 2) IPFM má dostatečnou korelaci diferenciální diagnózy se skutečnou diagnózou lékařem.