Development of a Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments

要約

救急科 (ED) の過密状態と救命救急現場における迅速な意思決定の複雑さは、世界中の医療システムに重大な課題をもたらしています。
臨床意思決定支援システム (CDSS) は有望である一方、大規模言語モデル (LLM) の統合により、トリアージの精度と臨床意思決定を向上させる新たな可能性がもたらされます。
この研究では、患者のトリアージ、治療計画、および全体的な救急医療管理において ED の医師と看護師を支援するために設計された LLM 主導の CDSS を紹介します。
私たちは、Llama-3-70b をベース LLM として利用し、CrewAI と Langchain によって調整されたマルチエージェント CDSS を開発しました。
このシステムは、トリアージナース、救急医、薬剤師、ED コーディネーターという ED の主要な役割をエミュレートする 4 つの AI エージェントで構成されています。
トリアージ評価のために韓国の Triage and Acuity Scale (KTAS) が組み込まれており、投薬管理のために RxNorm API と統合されています。
このモデルはアスクレピウス データセットを使用して評価され、臨床救急医療の専門家によってパフォーマンスが評価されました。
CDSS は、単一エージェント システムのベースラインと比較して、トリアージの意思決定において高い精度を実証しました。
さらに、このシステムは、一次診断、重要な所見の特定、処置の意思決定、治療計画、リソースの割り当てなどの重要な領域で優れたパフォーマンスを示しました。
当社のマルチエージェント CDSS は、包括的な救急医療管理をサポートする大きな可能性を示しています。
最先端の AI テクノロジーを活用することで、このシステムは、救急医療の提供を強化し、ED の過密状態を緩和し、患者の転帰を改善する可能性がある拡張性と適応性のあるツールを提供します。
この研究は、救急医療における AI 応用の成長分野に貢献し、将来の研究と臨床実装に有望な方向性を提供します。

要約(オリジナル)

Emergency department (ED) overcrowding and the complexity of rapid decision-making in critical care settings pose significant challenges to healthcare systems worldwide. While clinical decision support systems (CDSS) have shown promise, the integration of large language models (LLMs) offers new possibilities for enhancing triage accuracy and clinical decision-making. This study presents an LLM-driven CDSS designed to assist ED physicians and nurses in patient triage, treatment planning, and overall emergency care management. We developed a multi-agent CDSS utilizing Llama-3-70b as the base LLM, orchestrated by CrewAI and Langchain. The system comprises four AI agents emulating key ED roles: Triage Nurse, Emergency Physician, Pharmacist, and ED Coordinator. It incorporates the Korean Triage and Acuity Scale (KTAS) for triage assessment and integrates with the RxNorm API for medication management. The model was evaluated using the Asclepius dataset, with performance assessed by a clinical emergency medicine specialist. The CDSS demonstrated high accuracy in triage decision-making compared to the baseline of a single-agent system. Furthermore, the system exhibited strong performance in critical areas, including primary diagnosis, critical findings identification, disposition decision-making, treatment planning, and resource allocation. Our multi-agent CDSS demonstrates significant potential for supporting comprehensive emergency care management. By leveraging state-of-the-art AI technologies, this system offers a scalable and adaptable tool that could enhance emergency medical care delivery, potentially alleviating ED overcrowding and improving patient outcomes. This work contributes to the growing field of AI applications in emergency medicine and offers a promising direction for future research and clinical implementation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google