救急救命士・救急隊員 · 業務ごと

現場で患者を処置する

この仕事で見つかった唯一の機械は補助役であり、その証拠も弱い。英国の四つの救急サービスにわたる、患者4,471人の実践的な試験は、機械式の胸骨圧迫装置が用手の胸骨圧迫と比べて30日生存率を改善した証拠を見いださなかった。米国の規制当局はこの装置を、搬送中や隊員が足りないときなど、有効な用手CPRができない場合の用手CPRの補助としてのみ認めた。

一つの装置と一つの試験であり、現場での処置のそれ以外の部分でAIやロボットを測った記録はない。

心電図を読み、患者を評価する

一部のサービスでは、現場の心電図をAIが読んでいる。台湾中部では、14の消防署の救急隊員が救急車の心電図をAIに送り、AIは平均37.2秒で回答した。ほかの11の消防署で待機中の医師が要した113.2秒と比べて速く、診断の精度も高かった。見つけにくい種類の心筋梗塞を対象にした機械学習モデルは、現場で診療する臨床医や市販のシステムを上回り、訓練を受けた救急要員の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。それでも心電図を記録し、患者を処置し、判断するのは救急救命士である。

AIを作った病院自身が評価した一つの地域での導入と、一つの観察研究であり、どちらも救急救命士の業務量を測っていない。

電話で通報者を評価する

ここでAIは手助けをしているが、仕事を引き継いではいない。コペンハーゲンのランダム化試験では、救急通報を聞き取る機械学習モデルが指令員単独より多く心停止を認識したが、指令員に警告を出しても、その認識は有意には改善しなかった——警告ありで93.1%、なしで90.5%である。ロンドンの救急サービスは、AIによる記録作成のおかげで、司令室の救急救命士が電話でより多くの人を処置できると述べている。

救急救命士ではなく指令員を対象にした一つの試験と、雇用主自身の説明であり、どちらも職員が減ったことを示していない。

患者記録を書く

下書きはソフトウェアに移りつつあるが、記録は救急救命士のものであり続ける。ロンドンの救急サービスは、司令室での臨床医と患者の会話を構造化された記録に変えるAIツールを展開し、その記録は救急救命士が確認して承認する。救急車の隊員も試用した。ある記録ソフトウェアのベンダーは、1,670を超えるEMS機関が自社のAIによる経過記述の機能を採用したと述べている。英国の規制当局は、救急救命士に自らの判断と理由を適切に記録することを求めている。

雇用主の説明とベンダーの主張であり、どちらもAIが下書きした記録の正確さも、隊ごとに節約された時間も測っていない。

運転し、患者を搬送する

自動運転の救急車や、患者を移動させる機械を示す記録は見つかっていない。米国の統計局は、救急隊員と救急救命士の雇用が2025年から2035年に6%増え、平均より速いと予測しており、AIにも自動化にも触れていない。

記録がないことと一つの国の予測であり、救急車がどう運転されているかを測ったものではない。