Patient safety

投薬ミスを減らすための戦略には、一般的にCDSSが利用されています（表1）。 薬物-薬物相互作用（DDI）を伴うエラーは、一般的かつ予防可能なものとして挙げられており、入院患者の最大65%が1つ以上の有害な可能性のある組み合わせにさらされているとされています17。現在、CPOEシステムは、投与量、治療の重複、DDIのチェックのためのセーフガードを備えた薬物安全性ソフトウェアで設計されています18。 しかし、研究によると、DDIに関するアラートの表示方法（受動的か能動的・破壊的かなど）、優先順位の付け方20,21、およびDDIを特定するためのアルゴリズムには、高度なばらつきがあることがわかっています。 米国のOffice of the National Coordinator for Health Information Technologyは、CDS用の「優先度の高い」DDIリストを作成しましたが、このリストは、英国、ベルギー、韓国を含む他国のCDSSにおいて、様々なレベルで承認・展開されています20,21,23。

患者の安全を目的としたシステムには、他にも電子薬剤調剤システム(EDDS)やバーコード付きポイントオブケア(BPOC)薬剤管理システムなどがあります24。 これらのシステムは、処方、転写、調剤、投与といったプロセスの各段階がコンピュータ化され、接続されたシステム内で行われる「クローズド・ループ」を作るために一緒に導入されることが多いです。 投与の際には、RFIDやバーコードによって薬が自動的に識別され、患者情報や処方箋と照合されます。 これは、CDSSのもう一つのターゲットであり、（より上流ではなく）「ベッドサイド」で発生する投薬ミスを防止するという潜在的なメリットがあります。 Mohoneyらは、これらのシステムの多くが、CPOEとCDSSを同時に組み合わせることができ、薬剤アレルギーの検出、過剰な投与、不完全または不明瞭な指示などの処方ミス率が減少することを示しました24。 ほとんどのCDSSと同様に、医療従事者が技術を省略したり、意図的に回避したりした場合には、依然としてエラーが発生する可能性があります27

CDSSは、投薬に関連するものだけでなく、他の医療イベントに対するリマインダーシステムによっても患者の安全性を向上させます。 数多くの例の中で、ICUにおける血糖値測定のためのCDSSは、低血糖イベントの数を減少させることができました28。このCDSSは、特定の患者の属性や過去の血糖値/傾向に応じて測定を行うべき頻度を指定したローカルな血糖値モニタリングプロトコルに従って、看護師に自動的に血糖値の測定を促します28。

全体として、CPOEやその他のシステムを通じて患者の安全性をターゲットにしたCDSSは、処方や投与の誤り、自動警告による禁忌、ドラッグイベントのモニタリングなどの削減に成功しています29。

臨床管理

CDSSが臨床ガイドラインの遵守を向上させるという研究結果があります30。 このことは、従来のクリニカルガイドラインやケアパスは、臨床家のアドヒアランスが低く、実践するのが難しいことが示されているため、重要な意味を持っています。 このようなCDSSは、対象となる症例に対する標準化されたオーダーセット、対象となる患者に対する特定のプロトコルへの警告、検査のためのリマインダーなど、さまざまな形で提供することができます。 さらに、CDSSは、研究/治療プロトコル上の患者の管理34、注文の追跡と発注、紹介のフォローアップ、および予防医療の確保を支援することができます35

CDSSはまた、管理計画に従わなかった患者やフォローアップが必要な患者に連絡を取るよう臨床医に警告したり、特定の基準に基づいて研究の対象となる患者を特定したりすることができます36。

コスト抑制

CDSSは、臨床介入38、入院期間の短縮、CPOEと統合されたシステムによる安価な代替薬の提案39、または検査の重複の削減などにより、医療システムにとってコスト効果があります。

CDSSは、より安価な代替薬や、保険会社がカバーする条件をユーザーに通知することができます。

ドイツでは、多くの入院患者が病院の薬剤フォーミュラーに掲載されている薬剤に切り替えられています。

管理機能

CDSSは、臨床および診断のコーディング、処置や検査のオーダー、患者のトリアージをサポートします。 設計されたアルゴリズムは、診断コードの洗練されたリストを提案し、医師が最適なものを選択するのを助けます。 あるCDSSは、ICD-9救急部（ED）の入院コーディングの不正確さに対処するために考案されました（ICDはInternational Statistical Classification of Diseasesの略で、病気や診断を表すための標準的なコード）42。 産科のCDSSでは、強化されたプロンプトシステムを採用し、コントロール病院と比較して、陣痛誘発の適応と推定胎児体重の文書化を大幅に改善しました43。文書化の精度は、臨床プロトコルを直接支援できるため、重要です。 例えば、脾臓摘出術に伴う感染症（肺炎球菌、インフルエンザ菌、髄膜炎菌など）のリスク増加に対処するため、脾臓摘出術後に患者が適切なワクチン接種を受けていることを確認するためのCDSSが導入されました。

診断支援

臨床診断のためのCDSSは、診断意思決定支援システム（DDSS）として知られています。 残念ながら、DDSSは、医師の否定的な認識やバイアス、精度の低さ（多くの場合、利用可能なデータにギャップがあるため）、手動でのデータ入力を必要とするシステム統合の不備などの理由により、他のタイプのCDSSほどの影響力は（まだ）持っていない47,48。

効果的なDDSSの良い例として、Kunhimangalamら49がファジー・ロジックを用いて末梢神経障害の診断のために作成したものがあります。 症状や診断テストの結果を含む24の入力フィールドを用いて、運動器、感覚器、混合型ニューロパチー、または正常なケースを識別するために、専門家と比較して93％の精度を達成した。 これは、特に確立された臨床専門家へのアクセスが少ない国では非常に有用ですが、専門家による診断を補完するシステムも望まれています。 DXplainは、臨床症状に基づいて診断の可能性を提供する電子リファレンスベースのDDSSです50。87人の家庭医療専門医を対象とした無作為化比較試験では、このシステムを使用するように無作為に割り当てられた患者は、30の臨床例を含む有効な診断テストにおいて、有意に高い精度（84％対74％）を示しました50。

特にプライマリ・ケアにおける診断ミスの発生率が知られていることから、51 CDSSやITソリューションが診断に改善をもたらすことに期待が寄せられています。52 現在、機械学習のような非知識ベースの技術を用いた診断システムが開発されており、これがより正確な診断への道を開くかもしれません。 53,54

診断支援：画像 ナレッジベースの画像CDSSは、一般的に画像のオーダーに使用され、CDSSは放射線科医が最も適切な検査を選択したり、ベストプラクティス・ガイドラインのリマインダーを提供したり、造影剤の禁忌を警告したりするのに役立ちます55。 バージニア・メイソン医療センターの画像オーダー用インターベンショナルCDSは、腰痛のための腰部MRI、頭痛のための頭部MRI、副鼻腔炎のための副鼻腔CTの利用率を大幅に減少させたことが示された56。このCDSでは、画像オーダー（POC）の前に、プロバイダーが一連の質問に答え、適切性を確認することが求められた。 重要なのは、画像が拒否された場合、システムが代替案を提案することです。 また、RadWise®は、患者の症状を分析し、膨大な診断データベースと照合することで、臨床医に最も適切な画像診断を指示するとともに、ポイントオブケアでの適切な使用方法を推奨しています57

画像診断や精密放射線診断（「ラジオミクス」）を強化するための非知識ベースのCDSに大きな関心が寄せられています58,59。 IBM Watson Health、DeepMind、Google などの企業が最先端を走っており、腫瘍の検出63、医療画像の解釈64、糖尿病性網膜症の診断65、マルチモーダルな特徴量学習によるアルツハイマー病の診断62などに使用する製品を開発しています。 IBM Watson の「Eyes of Watson」は、脳スキャンの画像認識と症例説明のテキスト認識を組み合わせて、包括的な意思決定支援（IBM では「認知アシスタント」と表現しています）を提供することができました60

いくつかのプロジェクトでは、議論の余地なく人間の専門家と「同等」の性能を発揮することができました65,66,67,68。 例えば、Google社のチームは、深層畳み込みニューラルネットワーク（CNN）を学習させ、130,000枚の網膜画像のデータセットから糖尿病性網膜症（目の血管の損傷）を非常に高い感度と特異性で検出しました65。このアルゴリズムの性能は、米国の認定眼科医と同等のものでした。 スタンフォード大学のグループがつい最近発表した別の研究では、心電図上の不整脈を検出するためのCNNが、すべてのリズムクラスにおいて平均的な心臓専門医の精度（F1と感度、それに一致する特異度）を上回ることが実証された68。現在の進歩の速度では、15～20年後には画像診断の解釈の大部分がコンピュータによって行われる（少なくとも前処理される）だろうと推測する専門家もいて、議論を呼んでいる69。

Diagnostics support: Laboratory and Pathology

CDSSが役立つもう一つの診断のサブセットは、検査室での検査と解釈です。 検査結果の異常を知らせるアラートやリマインダーは、EHR システムでは簡単で、どこにでもあります。 CDSSは、リスクの高い診断や侵襲的な診断を回避する目的で、ラボベースの検査の有用性を高めることもできます。 B型肝炎やC型肝炎の検査では、肝生検が診断のゴールドスタンダードとされていますが、非侵襲的な検査では十分な精度が得られず、受け入れられていません。 しかし、複数の検査（血清マーカー、画像、遺伝子検査）を組み合わせて、はるかに高い精度を実現するAIモデルが開発されています70。また、年齢、性別、病気のサブタイプなど、検査の基準範囲が高度にパーソナライズされている場合には、解釈ツールとしてCDSSを利用することができます71

病理報告書は、他の多くの医療専門分野の判断材料として重要です。 CDSSの中には、自動化された腫瘍の等級付けに使用できるものがあります。 同じことが脳腫瘍の分類と等級付けでも行われています73。コンピュータによるECG分析、動脈血ガスの自動解釈、タンパク質電気泳動レポート、血球計数のためのCDSSなど、他にも多くの例があります46。

Patient-facing decision support

Personal Health Record (PHR)の出現により、CDSの機能がEHRのように統合され、患者がデータのエンドユーザーまたは「管理者」となることが見られるようになりました。 これは、患者を中心としたケアへの大きな一歩であり、CDSがサポートするPHRは、患者と医療者の間で意思決定を共有するための理想的なツールである。 EHRに接続されたPHRは、患者が直接入力した情報を医療機関が利用できるようにしたり、EHRの情報をPHRに送信して患者が閲覧できるようにするなど、双方向の関係を構築することができます76

初期のPHRの一つである「Patient Gateway」は、患者が薬や検査結果を閲覧したり、医師とコミュニケーションをとるための単なるダッシュボードでした77。 また、Vanderbilt大学のMyHealthAtVanderbiltは、EHRに完全に統合されたPHRである。 また、ヴァンダービルト大学の「MyHealthAtVanderbilt」というPHRは、EHRに完全に統合されており、疾患をターゲットにした患者教育資料の配信に加えて、インフルエンザのような症状を持つ患者が必要なケアのレベルを判断し、治療を受ける手助けをする「Flu Tool」が組み込まれている79。 その優れた例が、糖尿病治療に存在する。 すでに多くのシステムが利用されているが81、特にスタンフォード大学医学部が先駆的に開発したシステムは、データをAppleデバイス（HealthKit）に送信するウェアラブルグルコースモニターを使用している。82 Appleは、HealthKitをEpic EHRおよびEpic PHRの「MyChart」と相互運用できるようにした。 これにより、プロバイダーは、診察の合間に患者のグルコースの傾向をモニターし、フォローアップや緊急の提案のためにMyChartを通じて患者に連絡することに成功しました。 このパイロットスタディでは、医療従事者のワークフロー、患者とのコミュニケーション、そして最終的にはケアの質が向上することが実証されました82。

PHRがCDSS機能を備えて高度化するにつれ、患者と医療従事者の間で意思決定を共有し、患者が自身のケアについてより深く知ることができるようなインタラクティブなツールとなるよう、システムのデザインが重視されるようになってきていることは注目に値します。 健康情報の保存場所としてのみ機能するPHRは、特に患者自身からは的外れであると考えられるようになってきた75。