MITとベス・イスラエル・ディーコネス医療センターの研究者は、機械学習と人間とコンピューターの相互作用を活用し、MedKnowts（メドノウツ）と呼ばれる電子カルテ（EHR）の開発を進めている。
これは、医療記録の参照と患者情報の記録という作業を、ひとつの対話型インターフェースに統合したシステムである。
この技術がより広く普及し、さらに発展して、患者ケアの質を高めることが期待されている。
電子カルテは、時間の節約と患者ケアの質の向上を期待して広く導入されてきた。しかし、インターフェースが分断されており、データ入力の手続きも煩雑であるため、医師は患者と向き合う時間よりも、これらのシステムを操作する時間の方が長くなることが多い。
MITとベス・イスラエル・ディーコネス医療センターの研究者は、機械学習と人間とコンピューターの相互作用を組み合わせ、より優れた電子カルテ（EHR）の開発に取り組んでいる。研究チームが開発したMedKnowtsは、医療記録の参照と患者情報の記録という工程を、ひとつの対話型インターフェースに統合したシステムである。
人工知能を基盤とするこの「スマート」な電子カルテは、臨床医が必要とするタイミングで、患者ごとに最適化された医療記録を自動的に表示する。また、MedKnowtsは臨床用語の自動補完機能を備え、患者情報を自動的に入力欄へ反映させることで、医師の業務効率向上を支援する。
「電子カルテの起源には、あらゆる情報を整理すれば、請求記録の追跡、政府への統計報告、科学研究用データの提供に役立つという、非常に大きな期待がありました。しかし、それが臨床医にとって本当に有用かという本質的な問いを立てた人はほとんどいませんでした。多くの臨床医は、官僚機構や科学者、会計担当者の利益のために、電子カルテという負担を押し付けられてきたと感じていると思います。私たちはこのプロジェクトに、電子カルテが実際にどうすれば臨床医の役に立てるのかを問うことから取り組みました」と、コンピューターサイエンス・人工知能研究所（CSAIL）のコンピューターサイエンス教授であり、本論文の上級著者であるデイビッド・カーガーは述べている。
本研究はCSAILの大学院生であるルーク・マレー（筆頭著者）、ディヴィヤ・ゴピナス、モニカ・アグラワルの共同研究である。その他の著者には、ベス・イスラエル・ディーコネス医療センター救急医療の指導医であり、同センター医療提供科学研究所の機械学習臨床責任者を務めるスティーブン・ホーング、そしてMITの電気工学・コンピューターサイエンス学科准教授で、CSAILおよび医療工学科学研究所の会員であり、Abdul Latif Jameel Clinic for Machine Learning in Healthの主任研究者を務めるデイビッド・ソンタグが含まれる。本研究は、来月開催される米国計算機学会（ACM）のユーザーインターフェースソフトウェア技術に関するシンポジウムで発表される予定である。
問題志向型のツール
医師の役に立つ電子カルテを設計するには、研究者は医師の視点で考える必要があった。
研究チームは、患者の病歴から関連情報を表示するサイドパネルを備えたメモ作成エディターを開発した。過去の情報は、特定の問題や概念に焦点を当てたカード形式で表示される。
例えば、臨床医が入力中のテキストに「糖尿病」という臨床用語をMedKnowtsが認識すると、システムは自動的に「糖尿病カード」を表示する。このカードには、糖尿病治療に関連する投薬内容、検査値、過去記録の抜粋が含まれる。
マレーによると、ほとんどの電子カルテは過去の情報を別々のページに保存し、投薬内容や検査値を五十音順または時系列で一覧表示するため、臨床医は必要な情報を探すためにデータを検索しなければならない。MedKnowtsは、臨床医が記録している特定の概念に関連する情報のみを表示する。
「これは、医師が情報をどのように捉えるかに、より近いものです。医師は多くの場合、無意識のうちにこれを行っています。投薬ページを見て、現在の病状に関連する薬だけに注目するのです。私たちはその作業を自動化し、医師の頭の中にある情報の一部を外に出すことで、患者の状態を判断し治療計画を立てるという、より複雑な作業に時間を割けるようにしたいと考えています」と、マレーは述べている。
「チップ」と呼ばれる対話型のテキストは、関連するカードへのリンクとして機能する。医師がメモを入力すると、自動補完システムが投薬、検査値、病状などの臨床用語を認識し、それらをチップに変換する。各チップは、カテゴリーに応じて色分けされた単語またはフレーズとして表示される（医療上の病状は赤、投薬は緑、処置は黄色など）。
自動補完機能を通じて、患者の病状、症状、投薬状況に関する構造化データが、医師の追加の手間なしに収集される。
ソンタグは、この進歩によって「疾患の進行を研究し、治療の実社会での有効性を評価するための大規模な健康データセットの作成方法というパラダイムが変わる」ことを期待していると述べている。
実践での活用
1年にわたる反復的な設計プロセスを経て、研究者たちはMedKnowtsを、ボストンのベス・イスラエル・ディーコネス医療センター救急部門にソフトウェアを導入することで検証した。研究チームは、救急医と、電子カルテにメモを入力する院内記録係4名と協力した。
医師が高ストレス環境で業務を行う救急部門にソフトウェアを導入することは、繊細なバランス調整を伴うものだったとアグラワルは述べている。
「私たちが直面した最大の課題のひとつは、人々に現在の業務のやり方を変えてもらうことでした。同じシステムを使い、何度も同じクリック操作を繰り返してきた医師は、一種の筋肉記憶のようなものを身につけています。何かを変えるときには、それだけの価値があるのかという問いが必ず生じます。実際、機能によって利用率に大きな差があることが分かりました」と彼女は述べている。
新型コロナウイルス感染症（COVID-19）のパンデミックも、導入をさらに困難にした。研究者たちは業務の流れを把握するため救急部門を訪問していたが、COVID-19の影響でその訪問を中止せざるを得なくなり、システム導入中は病院に立ち入ることができなかった。
こうした当初の課題があったにもかかわらず、1か月間の導入期間を通じて、MedKnowtsは記録係の間で好評を得た。ユーザビリティについては、100点満点中平均83.75点の評価を与えた。
アンケートの結果によると、記録係は特に自動補完機能が業務の迅速化に役立つと感じていた。また、色分けされたチップによって、関連情報をメモから素早く見つけることができたという。
これらの初期結果は有望であるが、研究者たちはフィードバックを検討し、MedKnowtsの今後の改良版の開発を進める中で、慎重に進める方針である。
「私たちがここで目指しているのは、医師の道筋を円滑にし、医師の業務を加速させることです。ただし、そこにはリスクもあります。官僚制度の目的のひとつは、物事を遅らせ、細部まで確実に確認することにあります。もしコンピューターが医師に代わって細部まで確認するなら、それは官僚制度の目的、つまり医師に決断の前によく考えさせるという目的に、むしろ反することになりかねません。医師の効率を高めることによって生じる結果から、医師と患者をどう守るかを考え続ける必要があります」と、カーガーは述べている。
長期的なビジョン
研究者たちは、MedKnowtsを支える機械学習アルゴリズムを改良し、医療記録の中で最も関連性の高い部分をより効果的に強調表示できるようにする計画だと、アグラワルは述べている。
また、研究者たちは異なる医療ユーザーのニーズも検討したいと考えている。研究者たちは、医師が患者を初めて診察することが一般的な救急部門を想定してMedKnowtsを設計した。患者をよく知るプライマリケア医であれば、おそらく異なるニーズを持つだろう。
長期的には、研究者たちは臨床医が貢献できる適応型システムの構築を構想している。例えば、ある医師が特定の循環器用語がMedKnowtsに欠けていることに気づき、その情報をカードに追加すると、それがすべてのユーザーのシステムに反映されるといったイメージである。
チームは、さらなる導入の手段として事業化を検討している。
「医師が自分自身のツールを作成できるツールを開発したいと考えています。医師にプログラマーになることを期待しているわけではありませんが、適切なサポートがあれば、使用している医療アプリケーションを自分のニーズや好みに合わせて大幅にカスタマイズできるかもしれません」と、カーガーは述べている。
本研究は、MIT Abdul Latif Jameel Clinic for Machine Learning in Healthの支援を受けた。
