[論文レビュー] Sorting out symptoms: design and evaluation of the 'babylon check' automated triage system

Katherine Middleton, Mobasher Butt+4 more|arXiv (Cornell University)|Jun 7, 2016

Psychosomatic Disorders and Their Treatments被引用数 20

ひとこと要約

本論文では、診断の推測を避けることで不安を軽減するため、症状に基づいて適切な医療経路に導く商用で展開された自動トリアージシステム「babylon check」を提示する。臨床的判断を構造化されたトリアージフローとしてモデル化し、大規模で準自然的な研究で、専門的な医療判断と高い整合性を示した。

ABSTRACT

Prior to seeking professional medical care it is increasingly common for patients to use online resources such as automated symptom checkers. Many such systems attempt to provide a differential diagnosis based on the symptoms elucidated from the user, which may lead to anxiety if life or limb-threatening conditions are part of the list, a phenomenon termed 'cyberchondria' [1]. Systems that provide advice on where to seek help, rather than a diagnosis, are equally popular, and in our view provide the most useful information. In this technical report we describe how such a triage system can be modelled computationally, how medical insights can be translated into triage flows, and how such systems can be validated and tested. We present babylon check, our commercially deployed automated triage system, as a case study, and illustrate its performance in a large, semi-naturalistic deployment study.

研究の動機と目的

• 診断の差分を提示しないことで、サイバーチョンドリアのリスクを低減する、患者を適切なケアに導く自動トリアージシステムの設計。
• 臨床的専門知識を、現実の医療判断を反映する計算可能なトリアージフローに変換すること。
• 大規模で準自然的な展開環境におけるシステムのパフォーマンスの評価。
• 実用的状況下で、システムの推奨事項が専門的な医療判断と整合することの確認。

提案手法

• ユーザーが症状を入力する症状ベースのインターフェースを採用し、それらが事前に定義されたトリアージ論理フローを経由して処理される。
• 臨床的知見が意思決定ツリーまたはフローチャートとしてエンコードされ、症状パターンと推奨されるケア経路がマッピングされる。
• 診断の生成を避けるために、緊急性と適切なケア環境（例：一般医、救急、セルフ・ケア）の優先順位付けを目的としたトリアージ論理が設計されている。
• 大規模で準自然的な展開研究を用いて、実際のユーザーが実世界の条件下で使用した状況でシステムを検証した。
• システムの推奨事項を臨床医による専門的判断と比較することで、パフォーマンスを評価した。

実験結果

リサーチクエスチョン

• RQ1 自動トリアージシステムは、診断の推測を避けることで、どのようにして患者の不安を最小限に抑えることができるか？
• RQ2 臨床的判断は、計算可能なトリアージフローとしてどれほど効果的にモデル化できるか？
• RQ3 実世界での使用において、自動トリアージの推奨事項は専門的な医療判断とどの程度整合するか？
• RQ4 診断を避けるがケア経路を推奨するシステムは、高い使いやすさと臨床的正確性を達成できるか？

主な発見

• 展開研究において、システムは専門的な医療判断と強く整合しており、信頼性の高いトリアージ推奨を示した。
• 差分診断を避けることで、ユーザーにサイバーチョンドリアを引き起こすリスクが顕著に低減された。
• トリアージフローは、症状の重症度と緊急性に基づいて、ユーザーを適切なケア環境に効果的に導いた。
• 大規模で準自然的な展開により、実世界でのパフォーマンスと使いやすさに関する強固な証拠が得られた。