Mount SinaiのAIモデルが救急外来での入院予測を革新、効率的な患者ケアを実現
人工知能（AI）が救急部（ED）での患者入院予測に活用されることが、2025年7月9日発行の「Mayo Clinic Proceedings: Digital Health」に掲載されたMount Sinai Health Systemの研究で示された。研究はニューヨークの7病院で実施され、500人以上の看護師と協力し、100万件超の患者データに基づく機械学習モデルを2か月間評価した。AIによる予測と看護師の判断を比較した結果、人とAIの組み合わせよりAI単体の精度が高かった。患者訪問50,000件近くを対象に、入院の早期特定が可能とされた。著者はJonathan Nover MBA, RN、Eyal Klang MD、Robbie Freeman DNP, RN, NE-BC3ほか。
From:
AI Could Help Emergency Rooms Predict Admissions, Driving More Timely, Effective Care
【編集部解説】
今回のMount Sinai Health Systemの研究は救急医療の現場で深刻化している問題に対する技術的解決策として重要です。
従来救急部では看護師の判断と経験に依存した入院予測が、AIによりより客観的かつ早期の判断が可能となったことが実証されました。AI単体の予測が人間との組み合わせよりも高精度であった点は、この分野の進歩を示しています。
機械学習モデルは100万件以上の患者データで訓練され、緊急度指標やバイタルサイン、既往歴など多様なデータを活用します。AIの入院予測は85〜95%の精度を持ち、従来手法を凌駕するとされます。
この技術は、救急部の「ボーディング」と呼ばれる患者の滞留問題を解消し、病床管理やスタッフの負担軽減、患者満足度向上に繋がります。また、医療者が物流業務から解放され、思いやりあるケアに専念できる環境を生みます。
一方、過去の医療データに基づくAIはバイアスが入り、医療格差の拡大リスクをはらみます。またAIの判断根拠が不明瞭な「ブラックボックス問題」も課題で、過信や誤用の危険もあります。
現時点でAIは意思決定支援ツールとして位置付けられ、最終判断責任は医療従事者にあります。今後はリアルタイム導入での効果検証、多様な医療現場での適用可能性評価が求められます。
長期的にはAIが救急医療の標準ツールになる可能性が高く、医療の質・効率向上に資すると期待されますが、バイアス監視と透明性確保は継続的対応が不可欠です。
【用語解説】
ボーディング
患者が入院決定後も病床が空くまで救急部に留まり続ける状態であり、救急部の過密化を引き起こす要因の一つである。
トリアージ
救急外来で患者の症状や緊急度、重症度に基づいて診療の優先順位を決定する医療プロセス。
機械学習モデル
大量のデータからパターンを学習し、未来の予測や分類を行うAIアルゴリズムの一種。
ジェネレーティブAI
新たな情報やコンテンツを生成する能力を持つAI技術の総称。
ブラックボックス問題
AIがどのように結論を導いたかが人間に理解しづらい現象であり、説明可能AIの開発が課題。
【参考リンク】
Mount Sinai Health System（外部）
ニューヨークを拠点とする大規模な医療システム。研究・教育機関も運営。
Mayo Clinic Proceedings: Digital Health（外部）
Mayo Clinicが発行する、医療技術や最新研究を掲載する医学雑誌。
【参考記事】
Impact of artificial intelligence on hospital admission prediction and resource utilization（外部）
AIによる入院予測精度向上と病床・人材活用に関する最新研究。
Artificial Intelligence (AI) and Emergency Medicine: Balancing Innovation with Ethical Considerations（外部）
救急医療AIの技術的利点・バイアス・透明性と公平性確保の課題を解説。
Hospitalization prediction from the emergency department using machine learning techniques（外部）
救急外来での機械学習AI入院予測モデルについて精度と臨床応用を評価。
Artificial intelligence in clinical decision support and the prediction of patient outcomes（外部）
臨床支援AIと患者アウトカム予測の現状／課題／利点を最新動向と解説。
【編集部後記】
この研究を読んで皆さんはどう感じましたか？AIが救急医療で人間の判断を超える予測を示したことは驚きかもしれません。実際の医療現場ではAIが効率化だけでなく、人間らしいケアに注力できる時間を増やす可能性があります。
一方で判断根拠の不透明さや医療格差拡大のリスクもあります。
皆さんは技術と人間の温かさ、どちらを重視しますか？一緒に考えてみませんか。
