Last Updated on 2024-10-31 01:48 by admin

健康データの増加と利用可能性の変化に伴い、データのコンテキスト化が重要視されている。Dr. Paulo Pinho氏とDr. Tim O’Connell氏は、データのコンテキスト化と医療プロセスの改善に取り組んでおり、医学校での生成的AIツールの教育開始を予想している。Dr. O’Connell氏は、emtelligentの2つのプラットフォーム、非構造化データを解析する「データ抽出エンジン」と患者データをクエリする「大規模言語モデル（LLM）」を紹介した。AIは医師の補完として機能し、診断支援やリスクプロファイリングに貢献する。また、医療データの採掘は製薬会社やライフサイエンス企業にも利益をもたらす。Healthcare IT Today Interviews Podcastでさらなる情報を得ることができる。

【ニュース解説】

医療分野では、健康データの量が爆発的に増加し、そのデータを臨床医や医療専門家が利用できるようになっています。この大量のデータにコンテキストと意味を加えることが、あらゆる医療機関にとっての鍵となります。Discern Healthのチーフメディカル＆ストラテジーオフィサーであるDr. Paulo Pinho氏と、emtelligentの共同創業者兼CEOであるDr. Tim O’Connell氏は、データのコンテキスト化と医療プロセスの改善に取り組んでいます。

Dr. Pinho氏は、医学校が学生に対して、医療学習の一環として生成的AIツールの使用方法を教え始めることを期待しています。彼は、医学の慈悲深い実践と、その仕事を支える技術の両方を理解する「二重に訓練された」臨床医の重要性を語っています。一方、Dr. O’Connell氏は、emtelligentが開発した2つのプラットフォームについて説明しています。一つ目は、非構造化データを読み取り、あいまいさ、不確実性、およびコンテキストを理解して医療タスクを実行する「データ抽出エンジン」、二つ目は、病気によって影響を受けた血管の数などの複雑な質問に答えるために患者のデータをクエリする医療訓練を受けた大規模言語モデル（LLM）です。

非構造化情報の要約の重要性についてもDr. Pinho氏は説明しています。コード化された要素だけでは「物語を語らない」ため、医薬品が最初に処方された時期などのニュアンスを臨床医が知る必要がありますが、これは医療用語で訓練された自然言語処理がなければ非常に面倒な作業です。

両医師は、AIが「人間の拡張」として機能し、症状の検出という難しいタスクを行うことで、医師がコミュニケーションや「患者の手を握る」ことに集中できるようにする役割を強調しています。Dr. O’Connell氏は、「私は機械に自分の代わりに決定をしてほしくない」と述べています。彼らのプラットフォームは、有用なデータを抽出するだけでなく、どのオントロジーが使用され、チャートのどこでデータが来たのかを示すことで、医師がプラットフォームの結果を評価できるようにしています。

この技術は、診断支援や価値ベースのケアで重要なリスクプロファイリングを行うために臨床医が使用できるだけでなく、疾患の重症度や品質指標などのデータを抽出するために支払者が使用したり、製薬会社やライフサイエンス企業が包括基準や実世界の証拠を採掘したりするのにも利益をもたらします。さらに、政府は医療サービスの利用を測定することができ、他のデジタルヘルス企業はこの言語認識技術に基づいてニッチな製品を構築することができます。

このように、医療データのコンテキスト化とAI技術の進化は、医療プロセスの効率化と質の向上に大きく貢献する可能性があります。しかし、これらの技術の導入には、プライバシーの保護、データの正確性、そしてAIの意思決定プロセスの透明性を確保するための厳格な規制とガイドラインが必要です。長期的には、これらの技術が医療のパーソナライズ化を促進し、より効果的で患者中心のケアを提供するための道を開くことが期待されます。

from Bringing Contextualized Health Data into the Diagnostic and Treatment Process.