EUVIMEDEUVIMED entdecken
Crossref

Planning the development of an AI-driven decision support architecture for the recognition of sudden cardiac arrest by 9-1-1 telecommunicators: report of a community engagement and brainstorming meeting

Christian Vaillancourt, Shannon Leduc, Sarika Naidoo, Manya Charette, J Phillip Nicholson, Matthew Church, Wojtek Michalowshi, Herna Viktor, Pouya Khodaee, Venkatesh Thiruganasambandamoorthy, Sean Moore, Sheldon Cheskes und 6 weitere

Canadian Journal of Emergency Medicine · 12.08.2026

DOI: 10.1007/s43678-026-01232-0 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Canadian Journal of Emergency Medicine, online erschienen am 12.08.2026. Verfasst von Christian Vaillancourt und 17 weiteren Autor:innen. Beteiligte Einrichtung: Department of Emergency Medicine, University of Ottawa, Ottawa, ON, Canada. cvaillancourt@ohri.ca. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 10 Literaturangaben. Gefördert von: Strategy for Patient-Oriented Research.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

OBJECTIVES: Sudden cardiac arrest is a leading cause of mortality in Canada (40,000 treatable deaths annually). Despite the benefits of 9-1-1 telecommunicator-assisted CPR, agonal (reflexive/ineffective) breathing often leads to misdiagnosis and delayed intervention. Artificial intelligence (AI), particularly large language models, may improve cardiac arrest recognition during 9-1-1 calls. This study aimed to identify community-informed requirements for integrating AI models into 9-1-1 ambulance communications centers to enhance rapid cardiac arrest recognition and timely response. METHODS: We hosted a CIHR-funded planning and dissemination meeting at the Ottawa Paramedic Service. The qualitatively driven study involved diverse community members including emergency physicians, telecommunicators, paramedics, cardiac arrest survivors, AI model developers, and policymakers. We used a structured Miro board exercise before, during, and after the meeting to facilitate participant input. Five pre-identified themes guided the exercise: (1) essential must-haves in a useful AI application, (2) considerations for integration with 9-1-1 system, (3) policy/ethical considerations, (4) burning questions, and (5) missing community members. RESULTS: Participants emphasized the need for high cardiac arrest interpretation accuracy, low false activation rates, multilingual capabilities, and explainable AI model outputs. Integration concerns included compatibility with computer-assisted dispatch systems, platform independence, and redundancy during outages. Ethical considerations focused on privacy, data sovereignty, liability, and bias mitigation. Participants raised questions about AI model's ability to interpret voice cues, background audio, and caller distress. Gaps in community representation were identified, including accessibility experts and Ministry information technology specialists. CONCLUSION: This planning exercise identified critical technical, ethical, and operational requirements for AI model integration into 9-1-1 ambulance communications centers. Community member insights will inform future development and validation of an AI-driven decision support architecture aimed at improving cardiac arrest recognition, reducing time to CPR initiation, and enhancing equity in emergency response. The findings support a patient/telecommunicator-centered, responsible approach to AI model deployment in prehospital care. RÉSUMÉ: OBJECTIFS: L'arrêt cardiaque soudain est une cause majeure de mortalité au Canada (40 000 décès évitables chaque année).Malgré les avantages de la RCR guidée par les répartiteurs du 9-1-1, la respiration agonale (réfl exe ou ineffi cace) entraîne souvent des erreurs de diagnostic et un retard d'intervention. L'intelligence artifi cielle (IA), et plus particulièrement les grands modèles de langage, pourrait améliorer la détection des arrêts cardiaques lors des appels au 9-1-1. Cette étude visait à défi nir, en concertation avec la communauté, les exigences relatives à l'intégration de modèles d'IA dans les centres de répartition des services d'ambulance 9-1-1 afin d'optimiser la détection rapide des arrêts cardiaques et la célérité de l'intervention. MéTHODES: Nous avons organisé une réunion de planification et de dissémination financée par les IRSC au Service paramédic Ottawa. L’étude qualitative a impliqué divers membres de la communauté, notamment des médecins d’urgence, des télécommunicateurs, des ambulanciers, des survivants d’arrêts cardiaques, des développeurs de modèles d’IA et des décideurs politiques. Nous avons utilisé un exercice structuré de conseil de Miro avant, pendant et après la réunion pour faciliter la participation des participants. Cinq thèmes pré-identifiés ont guidé l’exercice: (1) les incontournables d’une application d’IA utile, (2) les considérations relatives à l’intégration avec le système 9-1-1, (3) les considérations politiques/éthiques, (4) les questions brûlantes et (5) les membres manquants de la communauté. RéSULTATS: Les participants ont souligné la nécessité d’une grande précision dans l’interprétation des arrêts cardiaques, de faibles taux de fausse activation, de capacités multilingues et de résultats explicables du modèle d’IA. Les préoccupations en matière d’intégration comprenaient la compatibilité avec les systèmes de répartition assistés par ordinateur, l’indépendance de la plateforme et la redondance lors des pannes. Les considérations éthiques se sont concentrées sur la confidentialité, la souveraineté des données, la responsabilité et l’atténuation des biais. Les participants ont soulevé des questions sur la capacité du modèle d’IA à interpréter les signaux vocaux, l’audio de fond et la détresse des appelants. Des lacunes dans la représentation de la communauté ont été relevées, y compris des experts en accessibilité et des spécialistes des technologies de l’information du ministère. CONCLUSIONS: Cet exercice de planification a permis de déterminer les exigences techniques, éthiques et opérationnelles essentielles pour l’intégration du modèle d’IA dans les centres de communications des ambulances 9-1-1. Les connaissances des membres de la communauté éclaireront le développement et la validation futurs d’une architecture d’aide à la décision basée sur l’IA visant à améliorer la reconnaissance de l’arrêt cardiaque, à réduire le délai d’initiation de la RCP et à renforcer l’équité dans la réponse aux urgences. Les résultats soutiennent une approche responsable, centrée sur le patient/télécommunicateur, du déploiement du modèle d’IA dans les soins préhospitaliers.

Schlagwörter

Stichwörter der Autor:innen

9-1-1 telecommunicatorsArtificial intelligenceCardiac arrestCommunity engagement meeting

Autor:innen und Institutionen

  • Department of Emergency Medicine, University of Ottawa, Ottawa, ON, Canada. cvaillancourt@ohri.ca.
  • Acute Care Research Program, Ottawa Hospital Research Institute, Civic Campus, Ottawa, ON, Canada. cvaillancourt@ohri.ca.
  • School of Epidemiology and Public Health, University of Ottawa, Ottawa, ON, Canada. cvaillancourt@ohri.ca.
  • School of Epidemiology and Public Health, University of Ottawa, Ottawa, ON, Canada.
  • Ottawa Paramedic Service, Ottawa, ON, Canada.
  • Acute Care Research Program, Ottawa Hospital Research Institute, Civic Campus, Ottawa, ON, Canada.

Förderung

  • Strategy for Patient-Oriented Research

Zitieren

APA

Vaillancourt, C., Leduc, S., Naidoo, S., Charette, M., Phillip Nicholson, J., Church, M., Michalowshi, W., Viktor, H., Khodaee, P., Thiruganasambandamoorthy, V., Moore, S., Cheskes, S., Furlong, G., Power, R., Giffen, R., Pierce, D., Feldman, M., & Dainty, K. N. (2026). Planning the development of an AI-driven decision support architecture for the recognition of sudden cardiac arrest by 9-1-1 telecommunicators: report of a community engagement and brainstorming meeting. Canadian Journal of Emergency Medicine. https://doi.org/10.1007/s43678-026-01232-0

Vancouver

Vaillancourt C, Leduc S, Naidoo S, Charette M, Phillip Nicholson J, Church M, et al. Planning the development of an AI-driven decision support architecture for the recognition of sudden cardiac arrest by 9-1-1 telecommunicators: report of a community engagement and brainstorming meeting. Canadian Journal of Emergency Medicine. 2026. doi:10.1007/s43678-026-01232-0

BibTeX
@article{Vaillancourt2026,
  author = {Vaillancourt, Christian and Leduc, Shannon and Naidoo, Sarika and Charette, Manya and Phillip Nicholson, J and Church, Matthew and Michalowshi, Wojtek and Viktor, Herna and Khodaee, Pouya and Thiruganasambandamoorthy, Venkatesh and Moore, Sean and Cheskes, Sheldon and Furlong, Greg and Power, Rick and Giffen, Randy and Pierce, Donald and Feldman, Michael and Dainty, Katie N},
  title = {Planning the development of an AI-driven decision support architecture for the recognition of sudden cardiac arrest by 9-1-1 telecommunicators: report of a community engagement and brainstorming meeting},
  journal = {Canadian Journal of Emergency Medicine},
  year = {2026},
  doi = {10.1007/s43678-026-01232-0}
}
Kostenlos starten →