輸血医学における人工知能導入：臨床導入の課題への取り組み

人工知能（AI）および機械学習（ML）は、輸血および患者血液管理の向上にますます推進されているものの、実世界での実装はまれです。我々は、ワークフロー統合を伴う前向き導入を報告する最近の模範的研究を検討し、AI/ML統合の移行特徴、障壁、および推進要因を調査しました。2025年6月18日にPubMedおよびWeb of Scienceで2022年1月以降の論文を検索しました。1243件の記録をスクリーニングし31件の全文をレビューした結果、3件の研究が選定基準を満たしました。模範例は以下の通りです：(1) 貧血成人の低フェリチンを予測する検査室組み込みツールで、21日間の運用中に輸血前最適化に有用な追加の鉄欠乏を特定した；(2) 指先画像からヘモグロビンを推定する患者向けスマートフォンアプリで、全国で20万人以上が採用し貧血スクリーニングへの影響が期待される；(3) 外傷における蘇生ニーズを予測する臨床医向けスマートフォン意思決定支援ツールで、輸血集約的な環境で5施設にてパイロット実施され、実現可能性およびユーザー満足度が良好でした。共通の推進因子は、臨床需要との整合性、既存データ基盤の活用、解釈可能な木構造モデル、早期のステークホルダー関与でした。継続的な障壁はデータ品質とガバナンス、限定的な汎用性、経済評価の欠如でした。重要なことに、どの研究も臨床アウトカムやコストの改善を示しませんでした。臨床導入には、AIツールが明確な安全性、監視および規制計画とともに日常ワークフローに統合されることが不可欠です。将来の研究では、当初から実装フレームワークを適用し、輸血実践とアウトカムへの最終影響を評価し、検査室組み込み分析、相互運用可能な意思決定支援、患者中心のデジタルツールなど拡張可能なアプローチを優先すべきです。