電子的診療情報からの高次元特徴量による患者状態の表現と機械学習の適用に関する研究
【研究分野】病院・医療管理学
【研究キーワード】
EHR Phenotyping / 院内がん登録 / 電子的診療情報 / 深層学習 / Deeplearning
【研究成果の概要】
電子的診療情報により患者の状態を高次元の特徴ベクトルによって表現し機械学習を適用することで、院内がん登録業務への応用可能性を検討した。特徴ベクトルを、登録病名、投薬オーダの医薬品、検体検査項目の3種のカテゴリによって構成した。100,313件の症例を含むデータセットを構築し、がん症例と非がん症例を2値分類するタスクと、がん種別を多値分類するタスクの精度を評価した。前者の精度は、院内がん登録で行われる1次スクリーニングの精度に比べ若干良いと思われたが、後者の精度は十分ではなく、手術式等を含む医科診療行為コードや病理診断病名を特徴量として追加することが、精度を向上させる一つの方法と考えられた。
【研究の社会的意義】
病院における症例の登録業務は人手によるインテンシブな作業が必要であるため、機械学習等の技術を活用して人手による労力を軽減することが期待される。本研究は、日々の診療で発生する電子的診療情報を利用して、院内がん登録業務で行われるがん症例のスクリーニングとがん種別の分類を機械学習によって行った場合の精度を評価し、がん登録業務への応用可能性を検討したことが社会的意義としてあげられる。
【研究代表者】
【研究種目】基盤研究(C)
【研究期間】2016-04-01 - 2019-03-31
【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)