救急救命士・救急隊員

米国。統計局は、救急隊員と救急救命士の雇用が2025年から2035年に6%増え、284,100人から300,500人になり、全職業の平均より速いと予測しており、求人は年におよそ18,200件としている。このページは人工知能にも自動化にもロボットにも触れていない。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

ロンドン。救急サービスによれば、999番の司令室にある臨床ハブの上級救急救命士が、臨床医と患者の電話での会話を構造化された医療記録に書き起こすAIツールを試行し、その記録は救急救命士が確認して承認する。ロンドンの999番通報者のおよそ20パーセントは電話で処置されており、その多くが恩恵を受けられるよう試行は展開された。救急車の救急救命士もこのツールを試しており、サービスはさらに評価を進めている。雇用主自身の説明であり、人員の数字は示していない。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

このEMSソフトウェアのベンダーは、5月以降、1,670を超えるEMS機関が患者ケア報告の経過記述を下書きする自社のAI機能を採用し、その結果、記録にかかる時間の合計が最大80%減ったと述べている。ベンダーが自己申告の数字で自社製品について述べたものである。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

英国。規制当局による救急救命士の能力基準は、2023年9月1日から施行された改訂基準で、登録者に、処置や技術・手技の使用を開始、継続、変更、または中止する判断を理由をもって行い、その判断と理由を適切に記録することを求めている。この基準はAIに触れておらず、判断とその記録を登録された救急救命士のもとに置いている。

失敗、撤回、規制、あるいは費用が導入を抑えている。判断を下げる、あるいはその不確かさを広げることがある。

複数の臨床施設から集めた連続7,313人の患者を対象とする観察的コホート研究である。著者らは、来院時の心電図でST上昇を伴わない閉塞性心筋梗塞を見つけるモデルを導出して外部検証し、このモデルが現場で診療する臨床医や広く使われている市販の解析システムを上回ったとしている。訓練を受けた救急要員の臨床判断と組み合わせると、胸痛の患者の三人に一人を正しく分類し直すのに役立った。研究用のモデルであり、導入された道具ではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

台湾中部。14の消防署の救急隊員が救急車内で携帯型の機器を使って12誘導心電図を記録し、それを心筋梗塞(STEMI)かどうかに分類するAIに送った。ほかの11の消防署では、オンラインの救急医がそれを読んだ。2021年7月から2022年3月までに、AIは患者275人の心電図362件を分類し、平均37.2秒で回答した。医師は113.2秒だった。著者らは、昼夜を問わないAIによる検出は実現可能で、診断の精度も高いとしている。AIを作った病院自身が評価したものである。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

デンマーク、コペンハーゲン。2018年九月から2019年十二月まで、同市の救急医療サービスで行われた二重盲検のランダム化試験である。音声認識モデルが169,049件の通報を選別し、5,242件を心停止の疑いとして示した。介入群の指令員には警告が届いた。警告ありでは確認された心停止の93.1%を認識し、警告なしでは90.5%だった(P = .15)。モデル単独では警告のない指令員より感度が高かった(85.0%対77.5%)が、陽性的中率ははるかに低かった(17.8%対55.8%)。著者らは、AIが人間の認識を上回ったにもかかわらず、機械学習による支援は指令員の認識を有意に改善しなかったと結論づけている。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

米国。規制当局の承認は、この装置が有効な用手CPRができない場合に用手CPRの補助として使うためのものだとしている。たとえば患者の搬送中、疲労のために有効な圧迫ができなくなるおそれのある長時間のCPRの最中、あるいはEMSの要員が足りないときである。この承認は、機械を標準としてではなく、足りない手や疲れた手の代わりとして位置づけている。

失敗、撤回、規制、あるいは費用が導入を抑えている。判断を下げる、あるいはその不確かさを広げることがある。

英国。四つのサービスの91の救急ステーションで救急車を機械式の胸骨圧迫装置か用手CPRに割り付けた、実践的なクラスターランダム化試験であり、2010年から2013年に心停止の成人4,471人が登録された。著者らは、用手の胸骨圧迫と比べて、この装置で30日生存率が改善した証拠を見いださなかった。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

これから始めるなら、心電図の一部をAIが読み、記録の一部をAIが下書きすると考え、AIがしないことを身につけよう。手を使うケア、現場での判断、そしてこの先どうするかを患者と一緒に決めることである。

心電図の読み取りが速くなり、記録を書く時間が減り、その両方をあなたが確認すると考えておこう。現場での処置、搬送するかどうかの判断、そしてあなたが署名する記録は、あなたの手に残る。

留まって強くする

救急車の現場にとどまる

手を使うケアと搬送は人に残り、胸骨圧迫のための唯一の機械は補助としてのみ認められている。

職の形を組み替える

司令室での臨床評価の仕事に移る

サービスは電話で処置する患者を増やしており、AIによる記録作成はまずそこで展開されている。

隣へ移る

集中治療や高度実践の道に進む

高度な評価と処置の判断は、AIの道具が仕事を引き継ぐのではなく、判断の材料を提供する場である。

現在の証拠からはそうではない。AIは一部の救急車の心電図を待機中の医師より速く読み、一部の司令室では記録を下書きしている。しかし機械式の胸骨圧迫装置は生存率を改善せず、心停止を認識したAIは指令員の認識を有意には改善しなかった。そして米国は、救急隊員と救急救命士の仕事が2025年から2035年に6%増えると予測している。

その問いには年数では答えない。AIの道具が読むことと書くことから処置の判断へと広がるかどうか、そして救急救命士が自ら判断し記録しなければならないことを規制当局が変えるかどうかを見ておこう。それらは、どんな日付よりも多くを教えてくれる。

読める。一部のサービスではそうである。台湾中部では、AIが救急隊員の心電図におよそ37秒で高い精度で回答し、機械学習モデルは見つけにくい種類の心筋梗塞で臨床医を上回った。それでも心電図を記録し、患者を処置するのは救急救命士である。

見つかった試験の証拠からはそうではない。患者4,471人を対象にした英国の試験は、機械式の装置で30日生存率が改善しなかったことを明らかにし、米国の規制当局は、有効な用手CPRができない場合の補助としてのみそれを認めている。