[비즈한국] 小児必須医療の危機は、診療する医師が不足しているという問題にとどまらない。苦労の末に病院を探して入院した子どもの状態が急激に悪化した場合、それをどれだけ早く発見し対応できるかも重要だ。特に小児は状態が悪化するスピードが速いため、心停止や集中治療に至る前に危険信号を察知する院内の安全網が必要である。
こうした役割を担うのが迅速対応システム（RRS）だ。一般病棟の患者に異常の兆候が現れた際、迅速対応チームが早期に介入することで重症化を防ぐ患者安全体系である。
しかし、国内では成人用と小児用のRRS構築レベルに格差がある。国内の相級総合病院47カ所が成人用RRSを運営している一方、小児集中治療室（PICU）を備えた15センターのうち、小児RRSを運営しているのはわずか7カ所にとどまる。そのうち5カ所がソウルに集中しており、ソウル以外の地域は2カ所しかない。
大韓小児重症患者医学会のパク・ソンジョン会長（ソウル峨山病院小児集中治療科教授）は、19日にソウル・駅三洞の朝鮮パレスホテルで開催された小児患者安全のためのグローバルシンポジウム「Global Patient Safety Summit in Pediatrics」で、「小児は成人よりも急性悪化がはるかに速く進行する可能性があり、早期発見と迅速な介入が臨床経過や予後の改善において決定的であるにもかかわらず、依然として小児迅速対応チームの導入や支援は不十分な状況だ」と述べた。海外では1990年代から小児RRSが運営されているが、国内では成人用よりも普及が遅れている。
心停止後の救助よりも悪化前の発見が重要
RRSの核心は、すでに重篤化した患者を治療するだけでなく、危険信号を早期に発見して医療スタッフが介入するための時間を確保することにある。
課題は、病棟にいる多くの子どもの中で、誰の状態が悪化しつつあるのかを見つけ出すことだ。特に小児は年齢や成長段階によって正常なバイタルサインの範囲が異なるため、危険患者の選別が複雑である。RRSの人員を確保することとともに、どの患者にいつ迅速対応チームを投入するかを決定する検知体系が重要な理由だ。
カナダ・トロント大学のクリストファー・パシュラム教授が1万5000人以上の小児集中治療入院データを分析した研究によると、入院中に発生した心停止事例のうち約85%が予防可能であったと評価された。病棟監視体系を強化することで、重症化を減らせるという分析である。
世界中の敗血症、10件中4件が5歳未満…AIで危険患者を早期選別
早期発見の難しさを示す代表的な疾患が敗血症だ。敗血症は、感染に対する異常な全身反応によって臓器機能に障害が生じる重篤な状態である。問題は、初期には発熱など自然に回復するウイルス感染と症状が似ており、危険な患者を見分けるのが容易ではない点だ。状態が悪化すればショックや臓器不全につながる恐れがあるため、患者の変化を持続的に観察し、早期に介入することが重要である。
特に小児における敗血症の負担は大きい。WHO（世界保健機関）が引用するGBD（世界疾病負担研究）によると、2017年に世界で約4890万件の敗血症が発生し、1100万人が関連して死亡したと推定された。全敗血症発生の41%にあたる約2000万件は5歳未満の小児で発生した。
海外ではデジタル・AI技術をRRSに組み込んでいる。米ピッツバーグ大学のクリストファー・ホバート教授によると、ピッツバーグ小児病院はAIベースの危険患者選別などを含む統合敗血症対応体系を構築した。AIがバイタルサインや検査結果、看護記録など48の変数を分析して危険度を計算し、高リスク患者は集中観察対象に分類されて医療スタッフに通知が届く。AIが敗血症を確定診断するのではなく、医療スタッフがまず確認すべき患者を抽出し、実際の介入へとつなげる方式だ。
ホバート教授は、こうした統合敗血症対応体系を導入した後、院内で発生した重症敗血症が約50%減少し、年間100万ドル以上の医療費削減効果があったと説明した。
心停止予測を超え呼吸悪化まで…小児の危険信号を早期にキャッチ
国内でもAIを小児RRSに活用している。現在、小児RRS運営機関のうちソウル峨山病院とセブランス小児病院が、AIベースの心停止予測医療機器「VUNO Med-DeepCARS」を使用している。
VUNO社は、心停止よりも前の段階の重症悪化を捉える方向へ技術を拡大している。同社によると、DeepCARSは現在、小児を含む全年齢で使用可能であり、敗血症や呼吸不全など、心停止の前駆疾患別の追跡予測モデルの臨床を進めている。敗血症分野では、成人集中治療室患者を対象とした「VUNO Med-DeepiSEPS」が今年5月に医療機器製造認証を受けた。
小児については、呼吸悪化を早期に発見する研究が進められた。VUNOと梁山釜山大学病院の研究チームは、新生児集中治療室患者の侵襲的機械換気必要性を予測するAIモデルを開発したのに続き、今年は小児集中治療室患者を対象とした追跡研究の結果を国際学術誌「Heart & Lung」に発表した。
同社によると、小児モデルは侵襲的機械換気の必要性を最大8時間前に予測し、機械換気が必要な患者を区分する予測性能（AUROC）は約0.88だった。同等の感度において、従来のモデルより警報回数を半分以下に減らしたという。不要な警報が繰り返され医療スタッフの反応が鈍くなる「アラーム疲れ」を減らすことも、RRSにおける重要な課題だ。
VUNOは梁山釜山大学病院と韓国型ARPA-H（保健医療の難易度が高く挑戦的な研究開発）プロジェクトに参加し、成人・小児患者の重症化リスクをリアルタイムで予測するモデルも開発している。
AIが危険患者を早く見つけることだけで小児必須医療の問題が解決されるわけではない。AIが危険信号を捉えても、それを確認して患者を評価し、実際の治療につなげる医療スタッフと対応体系がなければ、効果には限界がある。
結局、小児必須医療分野においてAIは、医療スタッフに取って代わるのではなく、限られた医療従事者が今すぐに診るべき子どもを見逃さないよう助ける役割が優先される。危険信号をより早く見つけ、医療スタッフが迅速に介入できるよう、院内の安全網をどれだけきめ細かく構築するかが鍵となる。