MEDICINE & AI

タイトル：Applications and Performance of Machine Learning Algorithms in Emergency Medical Services: A Scoping Review 雑誌名：Prehosp Disaster Med. 2024 Oct; 39(5): 368-378. 概　要： 本研究の目的は、緊急医療サービス（EMS）における機械学習（ML）の応用とそのパフォーマンスに関する文献をまとめることです。2005年から2024年までに発表された164件の研究をレビューし、臨床および運用のドメインでのMLアルゴリズムの特性とパフォーマンスを定量的に記述しました。臨床応用では、トリアージや診断分類、治療予測、臨床結果予測が行われ、運用応用では救急車の配分や検出、展開、ルート最適化が含まれています。MLアルゴリズムのパフォーマンスは、ドメインによって異なり、特に神経ネットワークおよびアンサンブルアルゴリズムが他のアルゴリズムよりも優れた結果を示しました。 方　法： 本研究は、2024年1月までのすべてのオリジナル研究を対象に、4つの関連電子データベースを検索しました。EMSにおけるMLアルゴリズムを用いた臨床および運用パフォーマンスの向上に関する研究をレビューし、2名のレビュアーが研究をスクリーニングし、関連データを抽出しました。含まれた研究の特性、使用されたMLアルゴリズム、およびそのパフォーマンスを定量的に記述しました。 結　果： レビューには、2005年から2024年に発表された164件の研究が含まれ、125件が臨床ドメインに、39件が運用ドメインに焦点を当てていました。臨床応用では、トリアージや診断分類が62件、治療予測が12件、臨床結果予測が50件で、特に院外心停止や心血管疾患、外傷に関連するものが多く見られました。臨床MLアルゴリズムの中央値AUCは85.6%、精度は88.1%、感度は86.05%、特異度は86.5%でした。運用研究では、救急車の配分が最も多く、AUCの中央値は96.1%、精度は90.0%、感度は94.4%、特異度は87.7%でした。 結　論： MLアルゴリズムは、異なる院外医療条件のトリアージや管理、救急車のパフォーマンス向上に寄与する可能性があります。今後の報告は、特定の臨床条件や運用タスクに焦点を当て、MLモデルのパフォーマンス指標の精度を向上させるべきです。