臨床意思決定支援システム

現代のCDSSの主な目的は、診療現場で臨床医を支援することです。^{[ 1 ]}これは、臨床医がCDSSとやり取りして、さまざまな疾患の患者データに基づいて分析し、診断に至るのを支援することを意味します。

初期の頃、CDSSは文字通り臨床医のために意思決定を行うものとして構想されていました。臨床医は情報を入力し、CDSSが「正しい」選択肢を出力するのを待ち、その出力に基づいて行動するだけでした。しかし、現代のCDSS支援手法では、臨床医がCDSSと対話し、自身の知識とCDSSの知識の両方を活用することで、人間やCDSS単独では不可能なほど患者のデータを分析します。通常、CDSSは臨床医が検討するための提案を行い、臨床医は提示された結果から有用な情報を選び出し、誤ったCDSSの提案を除外することが期待されます。^{[ 2 ]}

CDSSの主な2つのタイプは、知識ベースシステムと非知識ベース（機械学習ベース）システムです。^{[ 1 ]}

臨床医が臨床意思決定支援システムを使用する方法の一例として、診断意思決定支援システム（DDSS）が挙げられます。DDSSは患者のデータの一部を要求し、それに応じて考えられる診断のセットを提案します。医師はDDSSの出力を受け取り、どの診断が可能性が高いか、どれがそうでないかを判断し、^{[ 1 ]}必要に応じて、診断を絞り込むための追加検査を指示します。

CDSSのもう1つの例としては、ケースベース推論（CBR）システムが挙げられる。^{[ 3 ]} CBRシステムは、過去の症例データを使用して、脳腫瘍患者の放射線治療で使用する適切なビーム量と最適なビーム角度を決定するのに役立つ可能性がある。その後、医療物理学者と腫瘍医が推奨された治療計画をレビューして、その実現可能性を判断する。^{[ 4 ]}

CDSS のもう 1 つの重要な分類は、その使用タイミングに基づいています。医師は、患者の対応中に役立てるために診療の場でこれらのシステムを使用し、使用タイミングは診断前、診断中、または診断後のいずれかです。^{[ 5 ]}診断前 CDSS システムは、医師が診断を準備するのに役立ちます。CDSS は、医師の予備的な診断の選択肢をレビューしてフィルタリングし、結果を改善するのに役立ちます。診断後 CDSS システムは、データマイニングを使用して、患者と過去の病歴および臨床研究との関連性を導き出し、将来のイベントを予測するために使用されます。^{[ 1 ]} AI ベースの意思決定支援が一般的なタスクで臨床医に取って代わるという初期の憶測は、AI が臨床判断を置き換えるのではなく強化する支援モデルに関するコンセンサスにほぼ取って代わられました。以前のルールベースのツールとは異なり、現代のディープラーニングベースのシステムは、手動でルールを作成することなく臨床データで直接トレーニングでき、診療の場で電子カルテのワークフローに統合できます。^{[ 6 ]}

イングランドの国民保健サービス（NHS）が採用している別のアプローチは、CDSS（臨床意思決定支援システム）を使用して、診療時間外の病状をトリアージし、患者に適切な次のステップ（例えば、救急車を呼ぶ、または翌営業日に一般開業医を受診するなど）を提案することです。この提案は、患者または電話オペレーターが常識や慎重さから別の判断を下せば無視することもできますが、既知の情報と最悪の場合の診断に関する暗黙の結論に基づいています。この提案は、誤っている可能性があり、医学的訓練を受けた人の意見に基づくものではないため、必ずしも患者に開示されるわけではなく、初期トリアージの目的でのみ使用されます。

ほとんどの CDSS は、知識ベース、推論エンジン、および通信メカニズムの 3 つの部分で構成されています。^{[ 7 ]}知識ベースには、コンパイルされたデータのルールと関連付けが含まれており、多くの場合、IF-THEN ルールの形式をとります。これが薬物相互作用を判定するシステムであれば、ルールは、IF 薬 X が服用され、かつ薬 Y が服用されている場合は、ユーザーに警告する、となる可能性があります。別のインターフェースを使用して、上級ユーザーは知識ベースを編集して、新しい薬で最新の状態に保つことができます。推論エンジンは、知識ベースのルールと患者のデータを組み合わせます。通信メカニズムにより、システムはユーザーに結果を表示したり、システムに入力したりできます。^{[ 2 ] [ 1 ]}

知識成果物を計算可能な形で表現するには、 GELLOやCQL（臨床品質言語）などの表現言語が必要です。例えば、患者が糖尿病を患っていて、前回のヘモグロビンA1c検査結果が7%未満だった場合は、6か月以上経過していれば再検査を推奨し、前回の検査結果が7%以上だった場合は、3か月以上経過していれば再検査を推奨する、といった具合です。

HL7 CDS WG の現在の焦点は、臨床品質言語 (CQL) を構築することです。^{[ 8 ]}米国メディケア・メディケイドサービスセンター (CMS) は、電子臨床品質指標 (eCQM) の仕様に CQL を使用する予定であると発表しました。^{[ 9 ]}

知識ベースを使用しない CDSS は、機械学習と呼ばれる人工知能の一種を使用します^{[ 10 ]。}これにより、コンピュータは過去の経験から学習したり、臨床データ内のパターンを見つけたりすることができます。これにより、ルールの作成や専門家の意見が不要になります。しかし、機械学習に基づくシステムは結論の理由を説明できないため、ほとんどの臨床医は診断、信頼性、説明責任の観点から、それらを直接使用しません^{[ 2 ] [ 1 ]} 。それでも、診断後のシステムとして、臨床医がより深く調査すべきパターンを提案するのに役立つ可能性があります。

2012年現在、知識ベースではないシステムの3つのタイプは、サポートベクターマシン、人工ニューラルネットワーク、遺伝的アルゴリズムである。^{[ 11 ]}

1. 人工ニューラルネットワークは、ノードとそれらの間の重み付き接続を使用して、患者データに見られるパターンを分析し、症状と診断との関連性を導き出す。
2. 遺伝的アルゴリズムは、最適な臨床意思決定支援システム（CDSS）の結果を得るために、指向性選択を用いた簡略化された進化プロセスに基づいています。選択アルゴリズムは、問題に対するランダムな解の集合の構成要素を評価します。上位に選ばれた解は、組み換えや突然変異を経て、再び同じプロセスで実行されます。これは、適切な解が見つかるまで何度も繰り返されます。遺伝的アルゴリズムは、患者データから知識を引き出そうとする「ブラックボックス」であるという点で、ニューラルネットワークと機能的に類似しています。
3. 知識に基づかないネットワークは、多くの場合、単一の疾患の症状など、狭い範囲の症状に焦点を当てますが、知識に基づくアプローチは多くの疾患の診断を網羅します。^{[ 2 ] [ 1 ]}

知識ベースではない CDSS の例としては、アイルランドにおける妊娠糖尿病の予測のためにサポートベクターマシンを使用して開発されたウェブサーバーが挙げられる。^{[ 12 ]}

IOMは1999年に「To Err is Human（過ちは人間の性）」という報告書を発表し、米国の患者安全危機に焦点を当て、死亡者数の驚異的な多さを指摘した。この統計は、患者ケアの質に大きな注目を集めた。 ^{[ 13 ]}米国医学研究所（IOM）は、患者ケアの質を向上させるために、臨床意思決定支援システムを含む医療情報技術の利用を推進した。^{[ 14 ]}

2009年の米国復興・再投資法（ARRA）の制定に伴い、医療情報技術経済臨床保健法（HITECH法）を通じて医療情報技術の普及が推進されました。これらの取り組みにより、より多くの病院や診療所が、医療情報の処理と保管において電子カルテ（EMR）とコンピュータ化された医師指示入力（CPOE）を統合するようになりました。法律がないにもかかわらず、CDSSベンダーは、CDSSの使用によって悪影響を受ける可能性のある患者と、患者ケアにこの技術を使用する可能性のある臨床医の両方に対して、法的注意義務を負っているとほぼ確実に見なされるでしょう。しかし、注意義務に関する法的規制はまだ明確に定義されていません。ARRAに含まれるHITECH法の制定により医療ITの導入が促進されましたが、CDSSとEMRに関するより詳細な判例法は、国家医療情報技術調整室（ONC）によって定義され、保健福祉省（HHS）によって承認される段階にありました。「有意義な利用」の定義はまだ公表されていません。

多くの医療機関やソフトウェア企業は、臨床業務のあらゆる側面をサポートする実用的な臨床意思決定支援システム（CDSS）の開発に多大な努力を払ってきました。しかし、臨床ワークフローの複雑さとスタッフの時間的制約の高さから、支援システムを導入する機関は、システムが臨床ワークフローに不可欠な一部となるよう細心の注意を払う必要があります。CDSSの中には、様々な程度の成功を収めたものもあれば、導入と普及を阻害または阻害する共通の問題を抱えているものもあります。

CDSSが大きな影響を与えている医療分野の2つのセクターは、薬局と請求業務です。現在、一般的に使用されている薬局および処方箋発注システムは、バッチ処理で処方箋の薬物相互作用をチェックし、警告を発注担当者に報告します。CDSSが成功を収めているもう1つのセクターは、請求と保険金請求です。多くの病院は運営を維持するためにメディケアの償還に依存しているため、提案された治療計画とメディケアの現行規則の両方を検証し、患者のケアと医療機関の財政的ニーズの両方に対応しようとする計画を提案するシステムが開発されています。

診断タスクを目的とした他の CDSS は成功を収めていますが、展開と範囲が非常に限られている場合が多いです。リーズ腹痛システムは 1971 年にリーズ大学病院で運用を開始しました。臨床医の成功率が 79.6% であるのに対し、91.8% のケースで正しい診断が得られたと報告されています。^{[ 21 ]}

これらのシステムを開発・利用するために機関が幅広い努力を重ねてきたにもかかわらず、ほとんどの製品で普及と受容はまだ実現していません。これまで、受容を阻む大きな障害の一つはワークフローの統合でした。CDSSの機能的な意思決定の中核部分だけに焦点を当てる傾向があり、臨床医が現場で製品をどのように使用するかを計画する上で不十分でした。CDSSはスタンドアロンアプリケーションであり、臨床医は現在のシステムでの作業を中断し、CDSSに切り替え、必要なデータを入力し（たとえ既に別のシステムに入力済みであっても）、生成された結果を調べる必要がありました。追加の手順は臨床医の視点からすると流れを阻害し、貴重な時間を浪費します。^{[ 22 ]}

臨床意思決定支援システムは、いくつかの分野で大きな技術的課題に直面している。生物システムは非常に複雑であり、臨床上の意思決定には膨大な範囲の関連データが利用される可能性がある。例えば、電子的なエビデンスに基づく医療システムは、患者の治療方針を推奨する際に、患者の症状、病歴、家族歴、遺伝情報に加え、疾患発生の歴史的・地理的傾向、治療効果に関する公表済みの臨床データなどを考慮する可能性がある。

臨床現場において、CDSS（臨床意思決定支援システム）の導入を阻む大きな要因の一つは、ワークフローへの統合である。

臨床医が機械学習ベースのCDSSの説明を理解し、その提案を信頼できるようにするには説明が必要であることが示されているが^{[ 23 ]}、CDSSの文脈では説明可能な人工知能の適用が全体的に著しく不足しており^{[ 24 ]} 、これがこれらのシステムの採用に対するもう一つの障壁となっている。

多くの医療支援システムにおけるもう一つの問題点は、膨大な数のアラートを生成することである。システムが大量の警告（特にエスカレーションを必要としないもの）を生成すると、煩わしさに加えて、臨床医は警告に注意を払わなくなり、潜在的に重要なアラートを見逃す可能性がある。この現象はアラート疲労と呼ばれる。^{[ 25 ]}

CDSSが直面する主要な課題の1つは、継続的に発表される膨大な量の臨床研究を組み込むことの難しさです。1年間で数万件の臨床試験が発表されます。^{[ 26 ]}現在、これらの研究はそれぞれ手作業で読み、科学的正当性を評価し、正確な方法でCDSSに組み込む必要があります。2004年には、臨床データと医学的知識を収集し、コンピュータが操作して臨床意思決定支援に役立てることができる形式に変換するプロセスは「まだ初期段階にある」と述べられました。^{[ 27 ]}

とはいえ、たとえ不完全であっても、企業がこれを一元的に行う方が、各医師が発表されるすべての研究に追いつこうとするよりも現実的である。

新しいデータの統合は、手間がかかるだけでなく、定量化や既存の意思決定支援スキームへの組み込みが難しい場合があり、特に複数の臨床論文が矛盾しているように見える場合はなおさらです。こうした矛盾を適切に解決することは、多くの場合、臨床論文自体の主題となります（メタアナリシスを参照）。メタアナリシスは、完成までに数ヶ月を要することも少なくありません。

CDSSが価値を提供するには、臨床ワークフローまたはアウトカムを明らかに改善する必要があります。CDSSの評価は、システムの質を向上させ、その有効性を測定するためにその価値を定量化します。さまざまなCDSSは異なる目的で使用されるため、すべてのシステムに適用できる一般的な指標はありませんが、一貫性（専門家との間および専門家との間）などの属性は、多くの場合、幅広いシステムに適用されます。^{[ 28 ]}

CDSSの評価基準は、システムの目的に応じて異なります。例えば、診断意思決定支援システムは、疾患分類の一貫性と正確性（医師や他の意思決定支援システムとの比較）に基づいて評価される場合があります。エビデンスに基づいた医療システムは、患者の症状改善率の高さや、医療提供者への診療報酬の高さに基づいて評価される可能性があります。

2015年7月現在、オーストラリアにおける電子カルテ（EHR）への移行計画は困難に直面している。ほとんどの医療機関は依然として完全に紙ベースのシステムを運用しており、一部の施設はスキャンしたEHRへの移行段階にあるか、あるいは移行段階に向けて準備を進めている段階である。

ビクトリア州はHealthSMARTプログラムで州全体にEHRを導入しようと試みたが、予想外に高額な費用がかかったためプロジェクトを中止した。^{[ 33 ]}

しかし、南オーストラリア州（SA）は、電子カルテ（EHR）の導入においてビクトリア州よりもやや成功している。これは、SA州のすべての公立医療機関が中央集権的に運営されているためと考えられる。

SA は「エンタープライズ患者管理システム(EPAS)」の導入を進めている。このシステムは SA 内のすべての公立病院および医療施設における EHR の基盤であり、2014 年末までに SA 内のすべての施設がこれに接続されることが期待されていた。これにより、CDSS を SA にうまく統合し、EHR の利点を増やすことができる。^{[ 34 ]} 2015 年 7 月までに、75 の医療施設のうち 3 施設のみが EPAS を導入したと報告された。^{[ 35 ]}

国内最大の医療システムと中央管理モデルではなく連邦制モデルを採用しているニューサウスウェールズ州は、州全体での電子カルテ（EHR）の導入に向けて着実に進歩している。州の技術の現在のバージョンであるeMR2には、電子カルテへのデータ入力に基づいてリスクの高い患者を特定する敗血症経路などの臨床意思決定支援システム（CDSS）機能が含まれている。2016年6月時点で、初期展開の対象となる194施設のうち93施設がeMR2を導入した。^{[ 36 ]}

Duodecim Medical Publications Ltdが提供するEBMEDS臨床意思決定支援サービスは、フィンランドの公衆衛生医療医師の60%以上が利用している。^{[ 37 ]}

英国で行われた研究では、処方ミスによる安全上の危険に直面する可能性のある患者を電子カルテから見つけるのに役立つウェブベースのCDSSアプリケーションであるSalford Medication Safety Dashboard（SMASH）がテストされました。このダッシュボードは、すでに登録されている安全でない処方箋を持つ患者を特定して支援するのに成功し、その後、新しいケースが発生したときに監視するのに役立ちました。^{[ 38 ] [ 39 ]}