| Project/Area Number |
22K19657
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 58:Society medicine, nursing, and related fields
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
堀 里子 慶應義塾大学, 薬学部(芝共立), 教授 (70313145)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
舟越 亮寛 亀田医療大学, 総合研究所, 客員研究員 (10805584)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2022: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | インシデント / 深層学習 / リスク管理 / 医療安全 / 自然言語処理 |
|---|
| Outline of Research at the Start |
医療施設における患者安全の実現には網羅的インシデント分析に基づくリスク管理の最適化が重要である。本研究では，インシデント報告と分析の質を高めるために，深層学習を用いて，医療インシデント分析に特化した性能の高い自然言語処理（NLP）モデルを構築する。さらに，深層学習を用いたNLPモデルを基盤として，不足情報の補完をナビゲートし，類似インシデントを活用した研修事例を提示するインシデント報告システムの構築に取り組む。本研究により，蓄積されたインシデント報告を最大限活用し，インシデント分析に基づきリスクを事前予測するための学術基盤の確立が期待される。
|
| Outline of Annual Research Achievements |
医療施設における患者安全の実現には網羅的インシデント分析に基づくリスク管理の最適化が重要である．しかし，インシデント分析は報告者の非定型文章に基づき，インシデントの複雑な発生プロセスや要因を読み解くため，多大な労力と熟達が求められる．加えて，インシデント分析に必要な情報が報告時点で漏れている場合もある．本研究では，深層学習を用いて，医療インシデント分析に特化した性能の高い自然言語処理(Natural Language Processing, NLP)モデルを構築することで，これらの課題の解決を目指している．
本研究では，これまでにインシデント報告と分析の質向上モデルの開発要件を設定することを目的として，病院における薬剤関連インシデント分析の実態と課題を全国の様々な規模の病院を対象としたアンケートにより明らかにした（全国の病院から無作為抽出した2000施設対象，414施設から回答を得た；回収率21%）．インシデントレポートの作成と要因分析の実施頻度は，患者に対する影響レベルが大きいインシデントほど高かったが，その実施状況は十分ではなく，分析するための時間不足や分析者の不足が課題であることが判明した．また，公益財団法人医療機能評価機構における医療事故情報収集等事業で収集された医療事故及びヒヤリハット事例データを用いて，薬剤関連のインシデントを対象とし，各種事前学習済みNLPモデルを用いたインシデント分類器（事故発生プロセス・要因・対処・対策の各項目）の構築を進めてきた．ヒューマンエラー分析フレームワークのP-mSHELLモデルを参考に，医療従事者/患者家族/患者/管理/ソフトウェア/ハードウェア/環境/ライブウェアの 8 種の要因ラベルを設定した．これらの要因を複数ラベルを許容して付与するマルチラベル分類器を構築し，臨床実装に向けた分類器の性能向上を実現した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度は，昨年の予備調査にもとづき，全国の病院から無作為抽出した2000施設を対象として薬剤関連インシデント分析の実態調査を実施し，様々な病院規模の414施設から回答を得て，薬剤のリスクマネジメントにおける課題について，インシデントレポートの作成と分析を中心に特定した．並行して，医療事故情報収集事業から得たインシデントレポートを用いて，ヒューマンエラー分析フレームワークのP-mSHELLモデルにもとづき，インシデント要因を抽出するマルチラベル分類器の構築と性能向上を実現した．さらに，研究協力施設で収集されたインシデントレポートを用いたモデル評価に着手した．
|
| Strategy for Future Research Activity |
本研究では，深層学習を用いて，医療インシデント分析に特化した性能の高いNLPモデルを構築する．さらに，これまで明らかにしてきた臨床におけるインシデント分析の実態と課題にもとづき，インシデント報告の質向上モデルの開発要件を検討する．これまでに，公益財団法人医療機能評価機構における医療事故情報収集等事業で収集された医療事故及びヒヤリハット事例データを用いて，NLPを用いたインシデント非定型テキスト分析手法の開発とその性能向上に取り組んできた．今後は，協力医療機関で集積されたインシデント報告を対象として，開発したモデルの応用可能性の検討とモデルの精緻化を進める．
|
