Preventing medical accidents due to delirium: Building an early detection system using AI and sensing technology

2023 Fiscal Year Final Research Report

• Project/Area Number: 19K24235
• Research Category: Grant-in-Aid for Research Activity Start-up
• Allocation Type: Multi-year Fund
• Review Section: 0908:Society medicine, nursing, and related fields
• Research Institution: Nagoya City University
• Principal Investigator: Kubota Yosuke 名古屋市立大学, 医薬学総合研究院(医学), 講師 (70787431)
• Project Period (FY): 2019-08-30 – 2024-03-31
• Keywords: せん妄 / 医療事故 / 転倒 / 点滴自己抜去

Outline of Final Research Achievements

This study aimed to build a non-invasive, automatic early delirium detection system using biosensors and artificial intelligence with the aim of preventing medical accidents. Study 1: Development of a bed environment for delirium prediction. Under-bed pressure sensors were installed around the bed to create a bed environment capable of sensing. Study 2: Analysis of medical accident data using AI: In order to extract a patient data prediction model, a group of patients who fell and a group who removed IV drips themselves were extracted, and an algorithm for the prediction model was created. In terms of medication usage by time of admission, the accuracy rate for self-removal was 75.6%, with an AUC of 0.72, and the accuracy rate for falls and drops was 79.8%, with an AUC of 0.65, making it at a level that can be applied clinically.

Free Research Field

総合病院精神医学

Academic Significance and Societal Importance of the Research Achievements

準備因子を数えるなどで、せん妄の発症を予測する研究はこれまでにもあるが、せん妄による医療事故まで予測する研究はこれまでほとんど行われてきていなかった。しかし、本研究結果の成果においては、AIによる解析を用いることによって、入院時点での医療事故の予測に貢献できることが判明した。また、センシング技術を用いることによって、入院から入院中のデータをリアルタイムで観察することで、せん妄による医療事故を予測する示唆が得られている。せん妄により医療事故は、入院する患者の様々な悪いアウトカムにつながることが知られており、今後はこれらの軽減に貢献できる可能性があると思われた。