救急医療とAI：トリアージから診断支援まで
救急医療が直面する課題
救急外来は医療システムの中で最もプレッシャーの高い環境です。限られた情報と時間の中で、重症度を判断し、優先順位を決め、適切な治療を開始しなければなりません。日本では救急医の不足と救急受診の増加が深刻化しており、AIによる支援は待ったなしの課題です。
AIトリアージ
現行のトリアージシステムの課題
JTAS（Japan Triage and Acuity Scale）やSTART法は標準化されたトリアージツールですが、限界もあります。
- 主訴に基づく分類であり、非典型的な症状では正確な重症度判定が困難
- トリアージナースの経験に依存する部分が大きい
- 患者数が増加するとトリアージ自体が遅延
AIトリアージの仕組み
AIトリアージシステムは、以下の情報を統合して重症度を評価します。
- 主訴と症状: 自然言語処理で構造化
- バイタルサイン: 年齢・性別に応じた評価
- 既往歴: 電子カルテからの自動取得
- 来院手段: 救急車か自力来院かも重症度の指標
米国のいくつかの施設では、AIトリアージの導入により、重症患者の診察開始時間が平均15分短縮されたと報告されています。
画像診断支援
緊急CTの自動解析
救急外来で最も価値の高いAI画像診断は、緊急CTの自動解析です。
- 頭部CT: 脳出血、くも膜下出血の自動検出（読影キューの優先順位を変更）
- 胸部CT: 肺塞栓の自動検出（造影CTでの血栓検出）
- 全身CT: 外傷における臓器損傷・骨折の自動検出
これらは「見落とし防止」だけでなく、当直時間帯に専門医の読影が得られない状況での「暫定読影の補助」として特に有用です。
胸部X線の自動読影
気胸、大量胸水、心拡大、肺炎像などの緊急所見を自動検出するシステムは、最も普及している救急AI画像診断の一つです。
臨床意思決定支援
鑑別診断の補助
救急外来では「考える時間」が限られています。AIが症状・バイタル・検査データから鑑別診断リストを提示し、見落としを防ぎます。
特に有用なのは：
- 夜間・当直帯の経験の浅い医師のサポート
- 非典型例（高齢者の心筋梗塞、小児の腹膜炎など）の想起
- 複数の救急患者を同時に対応する際の思考の整理
入院/帰宅判断の支援
「この患者は帰宅させてよいか、入院が必要か」はERで最も悩ましい判断の一つです。AIが再受診リスクや短期予後を予測し、判断を支援するモデルが研究されています。
課題と注意点
救急特有のデータの問題
- 情報が不完全（意識障害患者の病歴が不明）
- バイタルサインが一過性に変動（痛みや不安による一時的な上昇）
- 経時変化が短い（到着からの数時間が勝負）
法的責任
AIの提案に従って判断した結果、患者に不利益が生じた場合の責任の所在は明確ではありません。現行法では最終的な判断は医師の責任であり、AIは参考情報という位置づけです。
過疎地域への展開
AIの恩恵が最も大きいのは、専門医が不在の過疎地域の救急外来です。しかし、これらの施設はIT基盤が脆弱であることが多く、導入のハードルが高いという矛盾があります。
これからの救急AI
- 救急車内からのバイタル・心電図データのリアルタイム伝送とAI解析
- AR/MRを使った外傷処置のリアルタイムガイダンス
- 災害時のマストリアージ支援
救急医療のAIは「一分一秒を争う」環境での判断を支援する技術です。完璧な精度を求めるよりも、「見落としを一つでも減らす」ことに焦点を当てた実装が、患者の命を救う近道です。