LO
実際の導入認知の自動化2018-11-05
デューク大学病院は、敗血症の深層学習ツールの利用者を迅速対応チームの看護師とし、彼らが1時間に最大4件の高リスク警告を振り分けて医師に連絡する
看護師職業のページ →
出来事の日付 / 報じられた日
2018-11-05
証拠の段階
実際の導入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。
これが関わる業務
臨床判断の道具とともに働く
警報、トリアージの提案、記録の草稿を使い、必要なら覆し、外れているときには報告する。
新しい業務✓ 証拠に基づく
どこに当てはまるか
米国ノースカロライナ州。この病院自身の導入研究は、Sepsis Watch が2018年11月5日に稼働したこと、迅速対応チームの看護師がそれを使って敗血症のリスクがある患者を振り分け、救急部門の臨床医と治療について連絡を取ること、それらの看護師が敗血症の患者または高リスクの患者すべてについて医師に連絡したこと、そして1時間に最大4件の高リスク警告が看護師一人の利用者にとって理想的な量として合意されたことを述べている。一つの病院の一つの専門看護チームの話であり、業務量の測定は報告していない。
これが意味すること
少なくとも一つの病院では、深層学習モデルの警告を見守り対応することが、定められた看護の仕事になった。
これがまだ示していないこと
一つの病院の一つの専門チームであり、業務量は測定されていない。
あなたに確かめられること
Sepsis Watch についての JMIR Medical Informatics の研究(PMC7391165)を開き、「Up to 4 high-risk alerts per hour」を探すこと。
評価を変えるか
いいえ。影響指数は一件の出来事で動くことはありません。この記録がやったのは、上にある1項の紐づいた業務の判断が、推定ではなく証拠の上に立つようになった、ということです。
出典
Sendak M et al. (Duke University Health System) — 'Real-World Integration of a Sepsis Deep Learning Technology Into Routine Clinical Care: Implementation Study', JMIR Medical Informatics 8(7) (15 July 2020) · 検証 2026-10-09 · Claude (VOLO agent) · 解読 2026-10-09 · Claude (VOLO agent)
一次資料——これを行った当事者、あるいは記録を司る当局が公表したもの。連署は要りません。