LO
実際の導入認知の自動化2020-01-01
マウントサイナイの管理栄養士は、5 つの病院で導入された機械学習スコアを使い、どの入院患者の栄養不良を先に評価するかを決めている
管理栄養士・栄養士職業のページ →
出来事の日付 / 報じられた日
2020-01-01
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
何を食べているかを評価する
食事日記、思い出し法、写真から、その人の摂取量を記録し、見積もる。
増強されつつある✓ 証拠に基づく
どこに当てはまるか
米国ニューヨーク。この医療システム自身の研究者は、入院時に栄養不良を見つける機械学習モデル(MUST-Plus)を導入し、2020 年から傘下の 5 病院で使っていると述べる。登録管理栄養士のチームはその予測を使って毎日の回診でどの入院患者を先に評価するかを決め、評価の後に臨床基準に照らして管理栄養士が栄養不良の診断を記録する。論文は、モデルが一部の時期や集団で校正がずれていたことも示している。一つの医療システムであり、モデルは患者を並べるだけで評価や診断はせず、管理栄養士の時間の変化は報告していない。
これが意味すること
実際の病院では、管理栄養士が患者を診る順番はソフトウェアが決め、評価はなお管理栄養士が行っている。
これがまだ示していないこと
一つの医療システムで、評価ではなく順位付けをするモデルであり、管理栄養士の時間は測っていない。
あなたに確かめられること
npj Digital Medicine の論文(PMC11156633)を開き、「used by the RD team to prioritize which inpatients to evaluate」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
Mount Sinai Health System authors — 'Assessing calibration and bias of a deployed machine learning malnutrition prediction model within a large healthcare system', npj Digital Medicine 7:149 (6 June 2024) · 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。