人工知能を用いた敗血症ケアの質向上のための医療記録抽出：クラスター無作為化試験
カテゴリ：災害・救急医療
公開日：2026年6月26日
タイトル：Medical Record Abstraction for Quality Improvement in Sepsis Care Using Artificial Intelligence: A Cluster Randomized Trial
雑誌名：JAMA Netw Open. 2026 Jun 01; 9(6): e2611885. doi: 10.1001/jamanetworkopen.2026.11885.
概 要：
本研究は、人工知能（AI）を活用した医療記録の抽出が、敗血症ケアの質向上に寄与するかを評価することを目的としています。特に、米国の医療保険制度における敗血症管理バンドル（SEP-1）の質指標に対する近リアルタイムの質測定が、医療の質を向上させるかどうかを検証しました。研究は、カリフォルニア大学サンディエゴ校の2つの学術的救急科で実施され、66人の医師が参加しました。
方 法：
この研究は、2024年12月13日から2025年7月8日までの期間に実施された単盲検のクラスター無作為化試験です。参加者は、患者の退院時にAIによるSEP-1遵守のフィードバックを受ける群と標準プロセスを受ける群に無作為に割り当てられました。主要評価指標はSEP-1の全体的な遵守率であり、混合効果ロジスティック回帰モデルを用いて効果サイズを推定しました。
結 果：
66人の医師が301人の患者を治療し、介入群のSEP-1遵守率は82.9%、対照群は70.1%でした。介入群への割り当てにより、SEP-1遵守率が13.0%改善し（95% CI, 2.5%-23.4%; オッズ比2.10 [95% CI, 1.15-3.81]; P = .02）、特に30mL/kgの輸液ボーラスの未完了率に大きな差が見られました（介入群1.7% vs 対照群13.2%）。専門家のレビューとの合意率は92%でしたが、集中治療室への入院や30日死亡率に有意差はありませんでした。
結 論：
このクラスター無作為化試験では、AIを用いた医療記録抽出による迅速なSEP-1パフォーマンス評価とターゲットフィードバックが、全体的な遵守率を改善することが示されました。AI駆動の質的臨床統合は、既存の病院の質報告の限界を克服し、学習型ヘルスシステムを支える可能性があります。