人工知能による急性肺塞栓症（AID-PE）の検出とリスク階層化の向上 (AID-PE)

急性肺塞栓症（PE）は、血栓による肺血管の部分的または完全な閉塞によって引き起こされ、早期に診断および治療されなければ右心室不全や死亡を引き起こす可能性があります。 急性PEは死亡率の上昇に伴う一般的な症状です。 急性PEの患者は、明確なガイドラインにもかかわらず、リスク階層化が不十分であることがよくあります。 実際、2019年の急性PEに関する患者関連転帰および死亡に関する国家機密調査（NCEPOD）では、疾患の適切なリスク層別化を通じて死亡率の悪化に対処する必要性が強調されています。

急性 PE の診断と管理に関する ESC/ERS ガイドラインでも、リスク層別化の重要性についてアドバイスしています。 コンピュータ断層撮影肺血管造影図 (CTPA) で右心室:左心室 (RV:LV) 比が 1.0 を超えると、全死因死亡のリスクが 2.5 倍、PE 関連死亡のリスクが 5 倍増加します。 この指標は、臨床医が高リスク急性 PE 患者と低リスク急性 PE 患者を区別できるようにすることを目的としています。 高リスク（RV:LV比 > 1.0）として層別化された患者には、入院患者環境内での綿密なモニタリングが必要です。 一方、低リスク (RV:LV 比 <1.0) として層別化された患者は、外来経路による早期退院に適しています。

したがって、放射線医学報告における RV:LV 指標の提供は、潜在的に重要な臨床的意味を持っています。 臨床医に治療決定の基礎となる右室機能不全の定量化可能な証拠が提供されない場合、高リスクの急性PE患者は意図せず「低リスク」とみなされ、自宅に退院してしまう可能性があります。 さらに、低リスクの急性PE患者は、より長く、潜在的に不必要な入院を余儀なくされる可能性があり、これが間違いなく医療費の一因となっています。 急性 PE に対する CTPA の放射線医学報告に人工知能 (AI) テクノロジーを統合することは、この課題に対処する潜在的な解決策となる可能性があります。

AI は、医療分野においてますます魅力的なテクノロジーとなっています。 人間の認知機能を模倣する多数のコンピューター ソフトウェア技術について説明します。 AI は、急性期の PE を検出し、リスクを層別化する能力に期待を示しています。 ただし、ほとんどの研究は遡及コホートで実施されています。 さらに、現在のところ、急性期PEの現実世界の報告においてAI技術を導入することによる健康経済的影響に取り組んでいる研究はない。

この観察研究は、ロイヤル・ユナイテッド・ホスピタル・バースNHSトラスト（RUH）が主導することになる。 この研究の目的は、急性期PEのCTPAの報告に人工知能と機械学習テクノロジーを統合することです。 研究者らは、AI テクノロジーにより、現実世界の臨床現場における急性期 PE の迅速な診断、リスク層別化、管理を改善できると仮説を立てています。 研究者らはまた、AI 技術の統合は費用対効果が高く、放射線科医や臨床医にとって受け入れられるものであるという仮説を立てています。

研究にスキャンが含まれる患者は、統合AI技術レポートの「ライブ」導入前12か月（比較コホート）と導入後12か月（介入コホート）に急性PEの可能性があると診断され、連続してRUHを受診したすべての患者となる。 。 募集されたすべての参加者について、匿名化された臨床医症例報告フォームを使用して、人口統計、臨床放射線学的PEの重症度、管理、および12か月時点の死亡率を含む転帰に関する詳細を収集します。

分析の時点で、研究者は患者のベースライン特性について 2 つのコホート間の調整/マッチングを実行します。 調査員はまた、一時的な傾向を考慮して、募集のカレンダー時間を調整します。 両方のコホート間の分析により、急性PEに関するCTPAレポート内の統合AIテクノロジーの費用対効果を評価するための意思決定分析モデルの開発も可能になります。 臨床医と放射線科医のアンケートは、ユーザーの受容性を評価するために使用されます。