ハイライト
- ChatGPT-4は、待合室環境において小児救急外来患者／保護者から現病歴を効果的に収集した。
- 高い使いやすさ、患者満足度、ならびに医師による品質・正確性・可読性の評価が示された。
- AI生成の病歴は、臨床医の記録負担を軽減し、トリアージ効率を支援する可能性を示した。
- 最終的なAI生成記録ではハルシネーションは認められず、予備的使用における安全性が示唆された。
研究背景
救急外来（Emergency Department, ED）環境は、患者数の多さ、厳しい時間的制約、ならびに診療記録作成の負担を特徴とすることが多く、いずれも医療者の業務フローと患者体験に影響を及ぼし得る。とりわけ小児救急外来では、患者または保護者から現病歴（history of present illness, HPI）を正確かつ効率的に取得することが求められるが、これは臨床判断およびトリアージ優先度の決定に不可欠である。従来の病歴聴取は時間を要し、患者との関与を制限する可能性があり、その結果として医療の質や満足度に影響を及ぼすおそれがある。人工知能（Artificial Intelligence, AI）、特にChatGPT-4のような自然言語処理（Natural Language Processing, NLP）モデルの進歩により、初期段階の臨床データ収集を自動化・効率化する新たな可能性が生まれている。待合室で患者病歴の収集をAIが直接支援すれば、臨床ワークフローの補強、データ品質の向上、医療者負担の軽減が期待できる。しかし、特に患者コミュニケーションの複雑さや文脈が大きく異なる小児救急領域では、臨床的実現可能性、正確性、受容性は依然として検証を要する。
研究デザイン
本前向き混合法（prospective mixed-methods）パイロット研究は、小児救急外来で実施された。対象は、Emergency Severity Index（ESI）スコア3～5でトリアージされた31例であり、これは中等度から低重症度の症例に相当し、待合室での対応に適していた。患者または保護者は、Health Insurance Portability and Accountability Act（HIPAA）準拠のChatGPT-4インスタンスと対話し、現病歴を生成した。このAI生成病歴は並行して収集されたが、臨床判断に影響を与えないよう意図的に使用されず、概念実証の評価に用いられた。
参加者の体験は、11段階Likert尺度を用いて定量評価され、使いやすさ、満足度、AI生成要約の知覚的品質が採点された。加えて、自由記述回答に対して主題分析による質的解析が行われた。小児救急医はAI生成要約を独立してレビューし、正確性、完全性、効率性、可読性、総合満足度について、同じく11段階尺度で評価した。したがって本研究は、定量的な利用者・専門家評価と質的知見を統合し、実現可能性と受容性を包括的に検討した。
主な結果
参加者による評価は、使いやすさ（中央値10、四分位範囲[IQR] 8～10）および満足度（中央値8、IQR 7～10）で非常に高かった。AI生成の現病歴全体の品質も高く評価された（中央値9、IQR 8～10）。質的主題分析では、使いやすいインターフェース、AIシステムの客観性の認知、生成要約の正確性に関する肯定的なコメントが示された。参加者は、AIツールと直接やり取りして臨床情報を伝達することに概して抵抗が少なかった。
小児救急医は、評価した5領域すべて、すなわち正確性、完全性、効率性、可読性、総合満足度において好意的な評価を示した。中央値は、正確性、完全性、効率性、総合満足度でいずれも10点満点中8点であり、可読性では10点満点中9点と最も高かった（IQR 7～9）。これは、AI生成病歴が正確であるだけでなく、アクセスしやすく簡潔な形で提示され、迅速な臨床理解を促進したことを示唆する。
臨床医は、過去受診時の所見や診断推論に影響し得る微妙な臨床的ニュアンスなど、重要な文脈情報が時に欠落することを限界として指摘した。重要な点として、ハルシネーション、すなわちAIが生成した不正確または捏造された情報は最終記録では認められず、この予備的状況における安全性が裏付けられた。
臨床実践への示唆
これらの結果は、特に診察待機中の低重症度患者に対して、小児救急領域へAI駆動型の病歴収集を組み込むことの実現可能性を支持する。このような早期の病歴取得により、臨床医は整理された要約を事前に確認でき、トリアージ判断の参考となり、診療記録作成の負担を軽減できる可能性がある。また、使いやすいインターフェースを介して保護者が直接関与することで、患者エンゲージメントの向上にも寄与し得る。可読性と効率性に関する好意的評価は、多忙な救急外来で重視されるワークフロー要件と整合する。
専門的考察
本パイロット研究は、最前線の臨床現場におけるAI応用を支持するエビデンスの蓄積に寄与する。ChatGPT-4の使用は、従来のルールベースまたは限定的なNLPシステムを超える進展であり、患者との対話において柔軟性と文脈理解を提供する。しかし、医師が指摘したように、AI要約は臨床的に重要な過去受診時の情報や独特の病歴上のニュアンスを見落とす可能性があるため、この技術は臨床医の判断を置き換えるのではなく補完するものであるべきである。完全性と文脈への配慮は引き続き重要である。
今後の研究では、電子健康記録（electronic health records, EHR）との統合により縦断的データを取り込み、リアルタイムの臨床意思決定支援を実現し、多様な患者集団やより高重症度の症例への拡張可能性を検討する必要がある。より大規模なサンプルを用いた検証研究、厳密な臨床転帰指標、さらにワークフローへの影響および費用対効果の解析は、AI駆動型病歴聴取の臨床的役割を明確化する上で有用であろう。データプライバシー、インフォームド・コンセント、公平なアクセスについても継続的な検討が求められる。
結論
本研究は、ChatGPT-4を用いた小児救急外来患者または保護者からの現病歴の早期取得が、実現可能で受容性が高く、かつ正確・完全・可読性に優れ、効率的な要約を生成することを示した。この有望なアプローチは、臨床医の記録負担の軽減、トリアージプロセスの効率化、小児救急における患者エンゲージメントの向上に寄与する可能性がある。これらのパイロット結果は、AI導入戦略の最適化と臨床転帰および医療提供への直接的影響を評価する今後の研究の基盤となる。
資金提供および登録
本研究抄録では、特定の資金提供元または臨床試験登録は報告されていない。
参考文献
Morley-Fletcher A, Raghavan VR, Geanacopoulos AT, Maher M, Waltzman M, Barak Corren Y, Fine AM. A Pilot Study to Evaluate Artificial Intelligence-Driven Early Retrieval of Medical Histories in the Emergency Department. Ann Emerg Med. 2026 Mar 19;88(2):135-143. PMID: 41854578. https://pubmed.ncbi.nlm.nih.gov/41854578/
関連文献として以下が挙げられる。
1. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019 Jun;6(2):94-98.
2. Lin S, Mahoney J, Chan A, et al. Natural Language Processing for Clinical Data Analysis: Systematic Review. JMIR Med Inform. 2022;10(6):e26285.
3. Obermeyer Z, Emanuel EJ. Predicting the Future — Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016 Sep 29;375(13):1216-1219.