複数の入院を伴う COPD 患者の遠隔モニタリング プログラムにおける人工知能の影響

遠隔モニタリング プログラムは、特に慢性疾患において、従来の患者管理システムに代わるものです。 この種のツールは、人口の高齢化、慢性疾患の増加、そしてその結果としての医療システムの維持コストの増加を考慮しても重要です。 一方、今日では、これらの慢性患者は増悪のため、基本的には緊急時や入院時、また患者が安定している場合には対面での予定された診察時に特に来院されます。 そうなると、クリニック、経営、コストの観点から、より細心の注意が望まれます。

COPD (慢性閉塞性肺疾患) は非常に蔓延している病気です。 さらに、衛生資源と衛生コストの消費が高く、その 50% は入院によるものです。

さらに、COPDの増悪、特に重度の増悪は、患者に重大な影響を及ぼします（肺機能の低下、生活の質の悪化、死亡率の増加）。

そのため、遠隔モニタリングは、これらの患者の管理を改善し、リソースの消費を改善するための解決策であると考えられます。 スペインのガルダカオ病院では、再入院した COPD 患者を対象とした遠隔モニタリング プログラムを開始しました。 その主な目的は COPD の悪化による再入院を減らすことであり、衛生資源の使用 (入院、救急外来への訪問、再入院、平均在院日数) の大幅な減少を実証できる可能性があります。 また、より重篤な患者の臨床症状と生活の質の悪化が少ないことも実証されました。

しかし、慢性疾患には 3 つの非常に重要な要因があります。それは高齢者の増加、慢性疾患を持つ人の増加、そしてテクノロジー、特に記憶と情報処理システムの急速な進化です。

機械学習 (ML) は人工知能の最も重要な部分であり、その目的はコンピューターを学習することです。 コンピューターは、私たちが解決方法を知らない問題を解決するために独自のプログラムを作成します。 医療シナリオでの予測など、作業が難しい場合、ML アルゴリズムは学習を取得するために大量のデータを必要とします。 ほとんどの医療データベースには、データの欠落や誤った値など、人間の介入に起因する不都合があります。 そのため、遠隔医療に基づくプログラムは、ML アルゴリズムにとって理想的なプラットフォームであると考えられます。 これは、遠隔医療システムでは通常、電子的な方法で収集されたデータの定期的なフローが生成され、それらのデータがデータベースに直接保存されるためです。 この絶え間ない日付の流れと、それらの記憶と保存への人々の参加の少なさにより、データベースに高品質が与えられ、ML アルゴリズムはこれを使用して最良の予測を行うことができます。

そのため、TelEPOC (ガルダカオ病院の COPD コホートにおける遠隔モニタリング プログラム) は、生成されるデータの質と量、およびユーティリティの点から、データに ML アルゴリズムを使用する最良の選択肢であることが示されています。臨床実践におけるそれらの予測の。

この状況では、研究者が増悪を予測できるか、あるいは増悪の発現をどの程度予測できるかが問題となる。 この仮説を検証するために、ここでは人工知能 (ML) を使用するプロジェクトを紹介します。

研究者らは以前にこのシステムのテストを実施し、有望な結果が得られました。 そのプロトタイプは、TelEPOC プログラムが以前に回収した遡及データを使用してトレーニングされ、ランダム フォレストと呼ばれる ML アルゴリズムに基づいていました。 このプローブを使用すると、その後 3 日で悪化が起こると予測される ROC 曲線 (受信者動作特性曲線) が 0.8 になりました。 現在、ガルダカオ病院では、TelEPOC プログラムで ML システムを開発しています。 その目的は、警報（悪化）を予測することです。

この目的のために、研究者は、たとえば、日記臨床実践におけるこの技術の導入にどのような影響を与える可能性があるかなど、調査できる追加の多くの質問を検討します。 このプロジェクトでは、ML を使用することで、臨床支援に焦点を当てる方法を変えることができます。 患者の進化を予測できるツールがあります。 もう1つの問題は、研究者が悪化を予測した場合、COPDの悪化を引き起こす病原性の基盤（炎症性メディエーター）を変更する可能性があるということです。

研究者らは、この取り組みを COPD および慢性疾患のこの分野の先駆者のように考えています。