2017 Fiscal Year Annual Research Report
Establishment of reliability evaluation method of disease name in hospital information system
| Project/Area Number |
15K08847
|
|---|
| Research Institution | Kochi University |
|---|
Principal Investigator |
奥原 義保 高知大学, 教育研究部医療学系連携医学部門, 教授 (40233473)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
畠山 豊 高知大学, 教育研究部医療学系連携医学部門, 准教授 (00376956)
渡部 輝明 高知大学, 教育研究部医療学系連携医学部門, 講師 (90325415)
中島 典昭 国立研究開発法人国立がん研究センター, 情報統括センター, 研究員 (00335928)
片岡 浩巳 川崎医療福祉大学, 医療技術学部, 教授 (80398049)
寺田 典生 高知大学, 教育研究部医療学系臨床医学部門, 教授 (30251531)
堀野 太郎 高知大学, 教育研究部医療学系臨床医学部門, 講師 (90448382)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 病院情報システム / 機械学習 / 病名評価 |
|---|
| Outline of Annual Research Achievements |
H29年度は、まず前年度に引き続き、オーダデータだけでどの程度正確な評価ができるかを検討した。確定病名毎に、共起する検査項目、処方、処置・手術項目、併存病名などの特徴的なパターンを抽出するためには、まず、病名群とコントロール群の比較を行い、病名群に特異的な項目に絞り込んだ後、決定木やランダムフォレスト、アソシエーション分析を適用するのが有効であることがわかった。
これらの方法を、DPCでの出現頻度が多い病名に対して適用し、精度の評価を行った。まず、当該病名がDPCに登録されていない群を抽出して学習データとすることにより特徴的なパターンを導き出し、それらを当該病名がDPCに登録されている群に適用してどのくらい正確にあてはまるかを評価した。その結果、肝細胞癌、労作性狭心症、前立腺がんなどの病名についてはオーダデータだけで良好な判別が可能であることが分かった。
次に、匿名化退院サマリを対象に、オーダーデータと同様の方法で病名群に特異的な単語を絞り込んだ。その結果、特異的な単語は、検査所見や処置の記録、退院時処方などオーダーデータと重複する情報が多く、現病歴に対応する部分からは有用な情報を得られなかった。このため、潜在トピックモデルの適用を検討し、効果を検証するために、初診時記録及びオーダ情報によって分割された患者集団における各病名の登録率の評価を行った。初診時記録に対して潜在トピックモデルによって計算された各トピックに対する確率及びオーダの有り無しによる距離に基づき、それぞれ階層化クラスタリングを実施し、細分化されたクラスタ毎の登録率を取得した。その結果、特徴的な記述及び処方歴の集団では類似した背景を持つ患者群が抽出可能なことを確認し、特徴的なパターンのルールを導出するための手法として有望であることを示した。
|
Research Products
(1 results)
