PREVIA|AIによるPTSD発症リスク予測ツール、救急外来での検知性能と仕組み

PR Newswire(NYU Langone Health) アメリカ
概要
NYU Langone Healthの研究チームが、救急外来(ED)での患者の語りからPTSD(心的外傷後ストレス障害)の発症リスクを予測するAIツール「PREVIA」を開発した。このツールはリスクのある患者を95.4%以上の精度で特定し、専門医(正解率89%)を上回る100%の検知率を記録した。多忙な救急現場で、日常的な問診内容から早期にリスクを検知し、最適なタイミングでの予防的介入を可能にする。
詳細

主要成果

NYU Langone Healthの研究チームは、救急外来(ED)を訪れた患者が自身の負傷について語る内容を分析し、その後にPTSDを発症するリスクを予測するAIツール「PREVIA」を開発した。研究では、145人のED患者のトラウマに関する語りを分析した結果、リスクのある患者を95.4%以上の精度で正しく特定した。特に、実際にPTSDを発症した30例のケースにおいて、PREVIAは100%の検知率を達成した。これは、PTSDを専門とするED臨床医の正解率89%を上回る結果である。

技術・詳細

PREVIAは、生成AIの言語感受性を活用し、患者の自発的な回答からPTSDに関連するパターンを抽出する。具体的には、以下の3層構造のパイプラインで構成されている。

  • 第1層:トラウマ発生時の症状(コントロール喪失や記憶喪失など)や、ED滞在中の初期症状(身体からの乖離感など)をスキャンする。
  • 第2層:既往の精神疾患や低社会経済的ステータスなどのリスク要因と、コーピングスキルや強い社会的支援などの保護要因を評価する。ここでは、PTSDリスクを強調するLlamaモデルと、保護要因を強調するMistralモデルなど、異なる強みを持つAIツールを使い分けている。
  • 第3層:上記のアセスメントを構造化された要約に統合し、特定のモデルによる偏りを排除する。最終的に、年齢、性別、トラウマの種類、既知のPTSD有病率などの人口統計学的データと組み合わせ、平易な言葉による説明付きのリスクスコアを算出する。

この設計により、単なる予測結果だけでなく、根拠となるリスク要因を明示できる。また、オープンソースモデルをベースに構築されており、追加のトレーニングやファインチューニングを必要とせず、他の病院でも独立してテスト可能である。

背景・業界の文脈

米国では毎年約4,300万人の患者が身体的外傷でEDに搬送され、過去の研究ではその4分の1以上がPTSDを発症するとされている。しかし、EDの臨床医は1人あたり15〜20分という極めて限られた時間で対応せねばならず、標準的なスクリーニング質問票の使用は困難な状況にある。実際、PTSDのスクリーニングを日常的に行っているEDは約28%に過ぎず、そのうち検証済みツールを使用しているのは3分の2にとどまっている。

今後の展望

トラウマ発生後の1ヶ月間は、PTSDリスクを特定するための重要なウィンドウであり、この時期を逃すと患者と病院の接点が失われることが多い。PREVIAは「なぜEDに来たのか」という日常的な問診に時間を追加することなく、AIスクリーナーとして機能する。これにより、予防的介入が最も効果的なタイミングで、適切なケアへの窓口を開くことが期待される。

元記事: https://www.prnewswire.com/news-releases/ai-predicts-ptsd-risk-based-on-stories-about-what-brought-patients-to-the-emergency-room-302926212.html

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録(週刊・技術動向レポート)

ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。

  • 取得したメールアドレス・選択分野は配信目的にのみ使用します。
  • 第三者へ提供することはありません。
  • 配信はいつでも解除できます(各メール下部のリンクから)。

詳しくはプライバシーポリシーをご覧ください。

登録は1分・いつでも解除できます

この記事は Troy-Technical が公開しています。素材メーカーで技術開発に携わってきた技術者が、個人で運営しているサイトです。
運営者について / お問い合わせ info@troy-technical.jp
よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

目次