AIによる鉄欠乏症の臨床的影響の評価

詳細な説明：機械学習に基づく鉄欠乏症リスク通知

1. 研究の概要とデザイン 本研究は、台湾の中国医科大学病院（CMUH）で実施される単一施設、前向き、実用的ランダム化比較試験（pRCT）です。 この研究は、実世界の外来診療環境における、機械学習に基づく臨床意思決定支援ツールが鉄欠乏症の検出と関連する診断行動に与える臨床的影響を評価することを目的としています。

   制限的なプロトコルを持つ従来の説明的試験とは異なり、この実用的なデザインでは介入を既存の電子健康記録（EHR）システムに直接統合します。

2. 参加者集団

   本研究には、CMUHの以下の診療科で外来診療を受ける成人患者（18歳以上）が含まれます：

   1. 総合内科
   2. 家庭医学科
   3. 血液腫瘍内科

   標準的な臨床診療の一環として通常の全血球計算（CBC）検査が実施されるすべての適格な外来診療が含まれます。 研究参加のために追加の検査や手順は必要ありません。

3. AI介入と臨床ワークフロー

   本研究で使用されるAIモデルは、日常的に利用可能なCBCパラメータに基づいて鉄欠乏症のリスクを推定します。 ランダム化と介入は、CBC結果が利用可能になった後、EHRシステム内で自動的に発生します。

   ランダム化：

   CBC完了後、各適格な診療は、事前に定義されたランダム化メカニズムに従い、プロンプト群または対照群のいずれかに自動的に割り当てられます。 ランダム化は、医師が検査結果を確認する前に行われます。

   プロンプト群（介入）：

   医師には、検査結果インターフェースに表示される「AIリスクヒント」という情報が提示され、患者を鉄欠乏症の高リスクまたは低リスクに分類します。 高リスクと分類された患者については、システムが自動的に過去30日以内に鉄関連検査が実施されたかどうかを確認します。 最近の検査が確認されない場合、情報プロンプトが表示され、鉄関連の検査評価の検討を促します。

   対照群：

   医師は、通常の臨床診療に従って検査結果を確認し、AI生成のリスク情報やプロンプトは表示されません。

   臨床的独立性：

   AIシステムは、あくまで意思決定支援ツールとして機能します。 オーダーを生成したり、検査を義務付けたり、特定の治療を推奨したりすることはありません。 フォローアップの鉄関連検査（例：フェリチンやその他の鉄指標）の実施を含むすべての臨床判断は、担当医師の完全な裁量に委ねられています。

4. アウトカム指標

   4.1 主要アウトカム：

   全体的な鉄欠乏症検出率：すべての適格な診療における鉄欠乏症と診断された患者の割合として定義されます。

   4.2 副次アウトカム： 4.2.1 貧血患者における鉄欠乏症検出率 本研究に含まれるすべての貧血患者のうち、後に鉄欠乏症と確認された貧血患者の割合。

   4.2.2 非貧血患者における鉄欠乏症検出率 本研究に含まれるすべての非貧血患者のうち、後に鉄欠乏症と確認された非貧血患者の割合。

   4.2.3 疑わしい鉄欠乏症に対するフェリチン検査実施率：CBC報告が利用可能になってから1か月以内に「鉄欠乏症を確認するため」という適応でフェリチン検査がオーダーされた診療の割合として定義されます。

   4.2.4 AI支援プロンプトによるフェリチン検査の限界的診断収穫 この指標は、AI支援意思決定支援に起因する追加のフェリチン検査ごとに得られる平均的な追加の鉄欠乏症診断数を反映し、AI支援群と対照群の間の確定診断数の差を、両群間でオーダーされたフェリチン検査数の差で割ったものとして定義されます。

   4.2.5 AI支援による鉄欠乏症検出の増分費用効果 このアウトカムは、AI支援意思決定支援に起因して1件の追加の鉄欠乏症症例を特定するために必要な追加費用を表します。

5. リスク軽減と倫理的考慮事項 このアウトカムは、AI支援意思決定支援に起因して1件の追加の鉄欠乏症症例を特定するために必要な追加費用を表し、AI支援群と対照群の間のフェリチン検査費用の差を、両群間の確定鉄欠乏症診断数の差で割ったものとして計算されます。

データプライバシー：

すべてのデータ処理と分析は、CMUHの安全な内部システム内で、機関の方針および地域の規制要件に従って実施されます。 識別可能な患者データは病院環境外に送信されません。