緊急情報学における機械学習の適用に向けて

救急医療は、世界保健機関の行動計画の礎石部分の1つです。迅速な対応と即時のケアは、アジャイル救急医療で考慮されます。人工知能（AI）と情報学は、自動化された緊急技術を通じてこれらの要件を満たすために適用されています。機械学習（ML）は、これらの提案されたテクノロジーのいくつかの主要部分の1つです。さまざまなMLアルゴリズムと手法があり、潜在的に救急医療のさまざまな目的に適用可能です。分類およびクラスタリングアルゴリズム、自然言語処理、テキストマイニングを使用したAIベースのアプローチは、緊急予防と管理のモデルを調査し、そのような重要な状況を処理するための改善された手順を提案するのに役立つ可能性のある手法の一部です。MLは、データから自動的に学習しようとするAIのフィールドとして知られており、より良い決定を下すために学習することを適用します。意思決定サポートツールは、監督者またはさまざまな半監視または監視なしの学習方法のいずれかの結果を適用して、緊急事態に関する決定が通常、緊急事態、入院前、および中で最高の専門家によってどのように処理されるかに取り組むことができます。ヘルスケア施設の設定。緊急時に強化された迅速なコミュニケーション、怪我や合併症の鋭い性質を推定するためのトリアージの最も効果的な意思決定、ケア施設に向かう途中で患者を安定させる方法、また、薬物反応を避けるために、MLがデータの収集に役立ち、緊急管理をより効率的かつ効果的にするためにどのように役立つかを調査するための可能な方向の一部です。緊急事態に存在する幅広いシナリオと、病院に到達する前に、負傷した被験者で対応する人員が許可されているものに対するさまざまな法的および倫理的制約の複雑さは、「インテリジェント」のコンポーネントを調査するための最も困難な問題を解決します。これらの非常にインタラクティブで人間的に悲劇的な状況に役立つ可能性のある意思決定支援。

Emergency care is one of the cornerstone parts of the world health organization's action plan. Rapid response and immediate care are considered in agile emergency care. Artificial intelligence (AI) and informatics have been applied to fulfill these requirements through automated emergency technology. Machine learning (ML) is one of the main parts of some of these proposed technologies. There are various ML algorithms and techniques which are potentially applicable for different purposes of emergency care. AI-based approaches using classification and clustering algorithms, natural language processing, and text mining are some of the possible techniques that could prove useful for investigating models of emergency prevention and management and proposing improved procedures for handling such critical situations. ML is known as a field of AI which attempts to automatically learn from data and applies that learning to make better decisions. Decision-support tools can apply the results of either supervised or various semi-supervised or unsupervised learning methods to tackle the how decisions about emergency situations are typically handled by the best professionals at the scene of an emergency, in the pre-hospital, and in healthcare facility settings. Enhanced and rapid communication at the moment of emergency, with the most effective decision making for triaging to estimate the acute nature of injuries and possible complications, how to keep a patient stable on the way to the care facility, and also avoiding adverse drug reactions, are some of the possible directions for exploring how ML can help to gather the data and to make emergency management more efficient and effective. The wide range of scenarios present in emergency situations and the complexity of different legal and ethical constraints on what responding personnel are allowed to perform on an injured subject before reaching a hospital makes for a most challenging set of problems for investigating the components of "intelligent" decision support that could help in these highly interactive and humanly tragic situations.