一次医療における人工知能トリアージの精度向上

背景：GP診療所のスタッフは、リソースを最大限に活用し患者の安全を維持するために、連絡してくる患者をトリアージしています。 ほとんどのGP診療所ではオンライン相談システムが使用されており、患者はオンラインフォームを使用してGP診療所に連絡することができます。 これらはスタッフと話すことなく提出できるため、通常のトリアージプロセスを回避することができます。 オンライン相談システムは「人工知能」（AI）を使用して患者をトリアージできますが、その性能に関する研究は不足しています。 私たち（マンチェスター大学；UoM）は、オプションのAIトリアージ機能を備えたオンライン相談システムプロバイダー（Patchs）と協力して、このギャップを埋めることを提案します。

研究課題 全体的な研究課題：臨床医のトリアージ決定を複製できるAIモデルを開発することは可能か？

1. 一次医療における患者トリアージにおいて、患者とGP診療所はどのような課題に直面しており、その要因は何か？
2. 一次医療における患者トリアージにおいて、最高の性能を発揮するAIモデルは何か？
3. AIトリアージの性能は、異なる地理的地域で維持されるか？
4. AIトリアージの性能は、時間の経過とともに維持されるか？
5. AIトリアージの性能は、現在の臨床実践と比較してどうか？
6. AIトリアージの性能は、臨床実践に導入されたときに変化するか？
7. AIトリアージはすべての患者に対して公平に機能するか？ 方法 ワークストリーム1：トリアージ問題の定量化。 AIトリアージが無効になっているPatchsを使用するGP診療所からの匿名化された過去データを分析します。 公開されている場合、Patchsを使用していないGP診療所（対照診療所）からの診療所レベルのデータと比較します。 記述的分析と推測的分析を行い、患者ケアの遅延などの潜在的なトリアージ問題とそれに影響する要因を理解します。

ワークストリーム2：AI開発。 Patchsを使用するGP診療所からの匿名化された過去データを使用して、現在使用されているAIトリアージモデルの新しいバージョンを、ロジスティック回帰、XGBoost、長短期記憶（LSTM）、大規模言語モデル（LLM）の4つの異なるアプローチで構築します。 地理的地域による内部-外部交差検証を使用し、ランダム効果メタアナリシスとサブグループ分析を使用してその性能を比較し、公平性（例えば民族間など）を評価します。 それらの性能を、現在使用されているAIトリアージモデルと比較します。 最高の性能を発揮するAIモデルの最終バージョンは、データセット全体を使用して開発されます。

ワークストリーム3：前向き背景評価。 AIトリアージなしでPatchsを使用するGP診療所から前向きに収集されたデータについて、最高の性能を発揮するAIモデルからの予測を「バックグラウンド」でモデルを実行して取得します。 上記のように公平性を評価するためにサブグループ分析を行います。

ワークストリーム4：前向き実施評価。 通常のPatchsソフトウェア更新に従い、すでにAIトリアージを使用しているGP診療所のAIモデルを、最高の性能を発揮するバージョンに更新します。 GP診療所のスタッフと患者が新しいバージョンのトリアージ予測に同意する頻度を前向きに測定し、その性能が実際の患者ケアに変換されるかどうかをテストします。 上記のように公平性を評価するためにサブグループ分析を行います。

期待される利点 オンライン相談トリアージにおいてGP診療所が現在直面している問題を理解するのに役立ちます。 改善されたAIモデルを開発した場合、患者の安全性の向上（例えば、患者がより早く支援を受けられるようにする）とGP診療所の業務負荷の軽減（例えば、トリアージプロセスの自動化）が期待できます。 ワークストリーム4のGP診療所とその患者は、すぐに利益を得ることができます。 現在AIトリアージを使用していないGP診療所に対して、それを採用するかどうかの証拠を提供します。