救急・急患コーディネーションセンター（CCUE）における時間依存性病理の需要検出のための人工知能（AI）モデルを用いた電話トリアージの評価と最適化 (TrIAje Project)
プロジェクト「trIAje」：緊急コーディネーションセンターにおける時間依存性疾患の需要検出のための電話トリアージの評価と人工知能モデルによる最適化
AIを用いた緊急通報における電話トリアージの改善 アンダルシア緊急・救急調整センター（CCUE）は毎日何千件もの通報を処理しています。 各通報は電話で提供された情報に基づいて評価され、症例の深刻度が判断されます。 通報理由は軽度の健康問題から心停止（CPA）のような生命を脅かす緊急事態まで多岐にわたります。
このプロジェクトは、重度または生命を脅かす状態を示すことが多い4つの主要な緊急状況に対する電話トリアージの改善に焦点を当てています：
意識不明／心停止 呼吸困難 胸痛（非外傷性、心臓関連の問題の可能性） 脳卒中症状 私たちの目標は、機械学習（ML）と自然言語処理（NLP）を含む先進的な人工知能（AI）技術を使用して、電話トリアージをより正確かつ効率的にすることです。 これらのツールは、CCUEオペレーターがより適切で迅速な判断を下し、患者が可能な限り早く適切なケアを受けられるようにするのに役立ちます。
実施方法：
研究者は、緊急調整システム（CCR）とデジタル臨床記録（HCDM）からの匿名化された過去の通報データを分析します。 これには以下が含まれます：
構造化データ：標準的なトリアージ質問への回答など、事前に定義されたフィールド。
非構造化データ：通話中に記録された自由記述のメモやその他の情報。
ハイブリッドAIアプローチが採用され、以下を組み合わせます：
従来のAI手法（教師あり学習と深層学習）による症例の分類。
生成AI技術（高度な言語モデル）による自由記述データからの有用な洞察の抽出。
最適な予測モデルの構築
最も効果的なAIモデルを見つけるために、以下のさまざまな機械学習技術をテストします：
決定木 ランダムフォレスト サポートベクターマシン（SVM） XGBoost アンサンブル法 ニューラルネットワーク また、どの質問と変数が症例の重症度予測において最も重要であるかを分析します。 これに基づいて、精度を高めるために現在のトリアージ質問の改善を提案します。
成功の測定
以下の主要なパフォーマンス指標を使用してAIモデルを評価します：
精度（全体的な正しさ） 感度（真の緊急事態を検出する能力） 特異度（誤警報を回避する能力） 偽陽性率と偽陰性率（システムが誤りを犯す頻度） 尤度比（システムが緊急と非緊急の症例をどれだけうまく区別するか） F1スコアとROC曲線（全体的なパフォーマンス指標） 重要性 このプロジェクトは、現在の電話トリアージシステムの有効性を評価し、それを改善する新しいAI駆動モデルを開発します。 目標は、緊急オペレーターが最も深刻な症例を迅速に特定し、応答時間を短縮し、患者の転帰を改善することです。 将来的には、研究者はこの改良されたAIモデルをCCUEシステムに統合し、アンダルシア全体の緊急対応を強化することを目指しています。
調査の概要
詳細な説明
アンダルシア州の救急・緊急医療調整センター（CCUE）では、毎日数千件の通話を受けており、その際、電話で提供された情報に基づいて各症例を重症度レベルで分類する必要があります。
市民が支援を求める病状は、軽度の疾患から心停止まで多岐にわたります。
このプロジェクトは、意識消失／心停止、呼吸困難、非外傷性胸痛、脳卒中など、緊急かつ生命を脅かす可能性のある医療状態を示す可能性のあるいくつかの頻繁な診療依頼理由について、病院外救急における電話トリアージの課題に取り組みます。
目標は、機械学習（ML）や自然言語処理（NLP）を含む先進的な人工知能（AI）技術（記号的および生成的の両方）を使用して、電話トリアージの精度と効率を向上させることです。
これにより、CCUE CES-061 アンダルシアのオペレーターは、迅速かつ適切なケアを提供するために、より迅速で情報に基づいた意思決定を行うことができます。
研究者は、ネットワーク化された調整センター（CCR）とCES-061 アンダルシアのモバイルデジタル健康記録（HCDM）のリレーショナルデータベースシステムから抽出された、これら4つの診療依頼カテゴリに関連する通話の匿名化された履歴データを収集します。
分析には、構造化データ（通話中に尋ねられたトリアージの質問を含む、特定の形式を持つ事前定義されたフィールド）と、需要管理（調整およびケア提供の側面を含む）中に生成された非構造化データ（自由形式のテキストやその他の形式）の両方が含まれます。
研究者は、従来のAI技術（分類のための教師あり学習および深層学習）と生成的AI（非構造化データから価値ある洞察を分析および抽出するための大規模言語モデル）を統合するハイブリッドアプローチを実装します。
決定木、ランダムフォレスト、SVM、XGBoost、アンサンブル法、ニューラルネットワークなどのさまざまな分類アルゴリズムをテストし、最も正確な予測モデルを構築します。
特徴重要度分析を通じて、最も予測力の高い質問と変数を特定し、予測精度を高めるために現在のトリアージ質問の修正を提案します。
モデルは、複数の指標（精度、感度、特異度、陽性および陰性尤度比、偽陽性率［アラーム失敗］、偽陰性率［見落とし失敗］、ROC曲線下面積、F1スコアを含む）を使用して評価されます。
これらの指標は、真に緊急な症例の検出を最大化し（高感度、高陽性尤度比、低偽陰性率）、過剰な偽陽性を回避する（高特異度、低偽陽性率、低陰性尤度比）モデルの能力を評価するのに役立ちます。
このプロジェクトの目的は、現在のCCUE電話トリアージモデルの有効性を評価し、それを改善する新しいAIベースのモデルを開発することです。
私たちは、CCUE内で改善されたモデルを将来実装するための強固な基盤を提供し、要員が最も重篤な症例を迅速に特定し優先順位を付けるのを支援し、最終的に応答時間を短縮し健康アウトカムを改善することを目指します。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：María José MJ Dr. Luque Hernández, MD PhD
- 電話番号：0034 617563352
- メール：mariajose.luque.sspa@juntadeandalucia.es
研究場所
-
-
Málaga
-
Málaga、Málaga、スペイン、29590
- 募集
- Centro de Emergencias Sanitarias 061
-
コンタクト：
- María José MJ Luque-Hernández, MD PhD
- 電話番号：+34 617563352
- メール：mariajose.luque.sspa@juntadeandalucia.es
-
主任研究者：
- María José Luque Hernández, Doctor of Medicine, PhD
-
副調査官：
- CRISTINA LÓPEZ LÓPEZ, Doctor of Medicine
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
選定基準:
コードA36 + A58（意識不明/心肺停止）、A16（呼吸困難）、A23（非外傷性胸痛）、およびA54（脳卒中）で記録された電話通話。
除外基準:
- 患者または事象に関する関連情報が不完全または欠如している要請。
研究計画
研究はどのように設計されていますか？
デザインの詳細
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
医療指令センターからの重篤度の検出
時間枠：24時間。通報受付から医療チーム派遣まで
|
医療派遣センターは、時間依存性の病理（生命を脅かす緊急事態であるもの）を検出しなければなりません。通話受信から生命を脅かす緊急事態（時間依存性の病理）の認識までの時間（分）
|
24時間。通報受付から医療チーム派遣まで
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
有効性
時間枠：一年
|
アンダルシアのCCUEにおけるこれらの需要に対する現在の電話トリアージシステムの有効性を、臨床的に重要なパフォーマンス指標、特に過小トリアージと過大トリアージ（精度、感度、特異度、陽性尤度比と陰性尤度比、偽陽性率と偽陰性率、ROC曲線下面積、F1スコアを含む）を用いて評価する。
|
一年
|
|
人工知能モデル設計
時間枠：2年
|
エンジニアは、アンダルシアの緊急・急患調整センター（CCUE）において、意識不明／心肺停止（システム上ではそれぞれ要求タイプA36およびA58として登録）、呼吸困難（A16）、非外傷性胸痛（A23）、脳卒中（A54）の支援を求めるユーザーに対する電話トリアージの精度と効率を向上させるために、従来のAI技術と生成AI技術を統合した人工知能（AI）モデルを開発および検証する必要があります。
|
2年
|
|
人工知能（AI）モデルの医療派遣センターにおける性能
時間枠：2年
|
エンジニアは、CCRおよびHCDMデータベースからの構造化および非構造化データを使用して、意識不明／心肺停止、呼吸困難、非外傷性胸痛、および脳卒中の電話通報の重症度を予測するために、さまざまなAIアルゴリズムを実行する必要があります。
|
2年
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- 2025_CES_061_IA_TRIAJE_V5
- SICEIA-2024-002592 (その他の識別子：Centro de Emergencias Sanitarias 061 Andalucía)
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。