入院患者集団における緩和ケアまでの時間に関する人工知能/機械学習モデリング

タイムリーな緩和ケアの必要性は非常に重要です。 高齢化する患者集団はより複雑になり、多くの場合、複数の専門分野によるケアが必要になります。 特に終末期に近いサービスに関して、臨床ケアと患者の好みとの間の不一致が拡大しています。 調査によると、ほとんどの人は家の外（ナーシングホームや病院）で死ぬにもかかわらず、ほとんどの人は自宅で死ぬことを好むことが示されています。 現在のケアとインセンティブのモデルを考えると、緩和ケアは、治癒へのあらゆる試みが尽くされた後の最後の手段のケアと見なされます。 この遅延は、痛みの最適な症状管理と生活の質の低下につながる可能性があります。 緩和ケアの需要が高まるにつれて、質の高い緩和ケア サービスにつながる政策イニシアチブと紹介トリアージ ツールが必要になります。

2018 年、Mayo Clinic は、早期の緩和ケア レビューの恩恵を受ける可能性のある患者の特定に焦点を当てた、完全に統合された情報技術 (IT) ソリューションを開発しました。 Control Tower として知られるこのツールは、病院での緩和ケアの必要性を予測する機械学習アルゴリズムを中心に、さまざまなデータ ソースを引き出します。 このアルゴリズムは、2018 年 12 月の時点でサイレント モードで製品化されました。 アルゴリズムは、その他の重要な患者指標とともにグラフィカル ユーザー インターフェイス (GUI) に統合されており、人間のオペレーターがアルゴリズムの予測を確認し、続いてオペレーターの評価を記録することができます。 このツールは、リスク評価を強化し、緩和ケアが積極的かつ効果的に患者のニーズをスクリーニングできるヘルスケア モデルを作成することが期待されています。 このアプローチの期待される利点には、症状の管理と患者の満足度の向上、および入院患者の死亡率に対する測定可能な影響が含まれます。

この研究の全体的な目的は、16 の入院患者ユニットで段階的ウェッジ クラスターの無作為化試験を作成することにより、コントロール タワー緩和ケア アルゴリズムの病院での実践への有効性と実装を評価することです。 入院患者の健康状態を自動的にスクリーニングおよび監視するアルゴリズムを作成することにより、研究者は、参加者が通常のケアよりも早く必要な緩和ケアを受けることができるという仮説を立てています。 臨床効果のテストに加えて、研究メンバーは、予測アルゴリズムを研究領域から実践設定に変換した後、アルゴリズムとヘルスケアのパフォーマンスを評価するためのプロセス測定のためのデータも収集します。