医療AI臨床試験：機械学習でオピオイド過量投与リスクを予測しEHRの「ナッジ」で処方を安全に ― 過量死の抑制（クラスタ無作為化・NCT06806163）
機械学習の予測モデルがオピオイド過量投与リスクが高いと判定した患者について、電子カルテ(EHR)上で臨床医に向けた行動科学的な「ナッジ(そっと後押しする通知)」を出す介入を検証するクラスタ無作為化試験。リスクフラグのみ／フラグ＋ナッジ／通常ケアを比較。主要評価は処方実践の総合スコア。1350例・募集中。
試験の概要（一次情報）
- 進行状況募集中
- 対象疾患Opioid Overdose、Opioid Use、Opioid Use Disorder、Opioids
- 介入／手法BEHAVIORAL: EHR-Embedded Elevated-Risk Flag、BEHAVIORAL: EHR-Embedded Elevated-Risk Flag with Behavioral Nudges、BEHAVIORAL: Usual Care
- スポンサーUniversity of Pittsburgh
- 目標症例数1,350 例
- 期間2025-03-10 〜 2027-02-01
要点
- 機械学習がオピオイド過量投与リスクが高いと判定した患者に、EHR上で臨床医向けの行動科学的ナッジを出す介入を検証するクラスタ無作為化試験。
- リスクフラグのみ／フラグ＋ナッジ(ベストプラクティス・アラート)／通常ケアを比較。
- 主目的はオピオイド処方の安全性向上と過量投与リスクの低減。主要評価は処方実践の総合スコア。
- AIの「予測」を医師の「行動」に結びつける設計＝予測から行動へというAI実装の核心。
- 1350例・募集中。処方実践で有効性を評価する段階で、過量死削減やモデル有効性の確立ではない。
オピオイド(強力な鎮痛薬)の過量投与は、米国で深刻な公衆衛生の危機となっている。誰がリスクを抱えるかは、既往や併用薬、処方の経過など多くの要因が絡み、忙しい診療のなかで見落とされやすい。ここで、機械学習(ML)が過去のデータからリスクの高い患者を予測し、その情報を医師に届けられれば、処方をより安全にできるのではないか——本研究はその仕組みを検証する。
登録情報の要旨によれば、本クラスタ無作為化比較試験は、MLの予測モデルがオピオイド過量投与のリスクが高いと判定した患者について、電子カルテ(EHR)上で臨床医に向けた行動科学的なナッジ介入を試す。
具体的には、EHRにリスクの高い個人を示す「フラグ」を出し、それに行動ナッジ(ベストプラクティス・アラート＝BPA)を付ける場合と付けない場合を、プライマリケア医による通常ケアと比較する。主目的はオピオイド処方の安全性を高め、過量投与のリスクを減らすことで、主要評価項目は処方実践の総合スコアである。規模は1350例で、募集中である。
なぜ重要か
AIの「予測」を医師の「行動」に結びつけるところまで設計に含む点が核心。リスクを予測できても処方の変化につながらねば意味がなく、行動科学のナッジを組み合わせフラグ単独と比べる設計は「予測から行動へ」というAI実装の要（本研究は処方実践で有効性を評価する段階であり過量死削減の確立ではない）。
よくある質問（FAQ）
ナッジ(nudge)とは？
AIが処方を決めるのですか？
出典（一次情報）
出典：ClinicalTrials.gov（米国NIH/NLM・パブリックドメイン）。本サイトは医療助言を行いません。最新・正確な内容は公式をご確認ください。本サイトは NIH/NLM に推奨・認定されたものではありません。
- ClinicalTrials.gov（試験登録・原文）
- 登録番号: NCT06806163