リアルタイムでの混雑管理：人工知能に基づく緊急医療部門の混雑管理モデル（CRAMMED研究）
カテゴリ：災害・救急医療
公開日：2026年6月18日
タイトル：Crowding in real-time: an artificial intelligence-based model to manage crowding in the emergency department (CRAMMED Study)
雑誌名：BMC Emerg Med. 2026 Jun 17; doi: 10.1186/s12873-026-01647-z.
概 要：
本研究は、緊急医療部門（ED）の混雑を予測するためのリアルタイムな人工知能（AI）駆動の予測モデルを開発・検証することを目的としています。従来の混雑スコアは、即時の混雑を予測する能力が限られているため、長短期記憶（LSTM）ニューラルネットワークを用いて、救急車の回避状況を基準として混雑を予測します。
方 法：
本研究は単一施設の後ろ向きコホート研究で、電子健康記録と労働力データから混雑に関連するパラメータを抽出しました。救急車の回避状況を混雑の基準として使用し、LSTMモデルを訓練・評価し、受信者動作特性曲線（AUC）を用いて性能を評価しました。
結 果：
最適なLSTMモデルは、過去1時間のデータを使用して1時間先を予測し、AUCは0.84（95% CI 0.81-0.86）を達成しました。予測の質に寄与する主要な特徴には、事前通知された到着数、黄色およびオレンジのトリアージカテゴリーの患者数、EDスーパーバイザーの数が含まれます。修正NEDOCSスコア（AUC 0.73（95% CI 0.70-0.76））と比較して、LSTMモデルは内部検証において高い識別性能を示しました。
結 論：
AI駆動の予測モデルは、内部検証においてEDの混雑を良好に予測する性能を示しました。この結果は、リアルタイム予測モデルがEDの臨床ワークフローを支援する可能性を示唆しています。