2017 Fiscal Year Research-status Report
大規模解析のためのサマリ及びオーダ情報連携による患者背景推定手法の構築
Project/Area Number |
16K09172
|
Research Institution | Kochi University |
Principal Investigator |
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)
|
Co-Investigator(Kenkyū-buntansha) |
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)
片岡 浩巳 川崎医療福祉大学, 医療技術学部, 教授 (80398049)
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)
|
Project Period (FY) |
2016-04-01 – 2019-03-31
|
Keywords | 医療情報学 |
Outline of Annual Research Achievements |
検査データと組み合わせて長期的なアウトカムを予測するための患者特徴を抽出するため、患者初診時記録と初診時に行われた処方データを対象として患者分類を行った。 高知大学医学部附属病院のデータを対象として、テキスト情報を潜在トピックモデル(LDA)に基づきクラスタリングを行い、処方データに対しても独立にクラスタリングを行い、それぞれの結果を組み合わせて患者分類を行った。その結果、初診時に登録された病名情報ごとに記載される単語特徴が異なっているため、初診時記録情報のみでも、いくつかの疾患が分類することが可能であることが明らかになった。さらに、処方オーダ情報を組み合わせることで、同じ登録病名であっても治療方針が異なる患者を把握することが可能であることが明らかになった。逆に、処方オーダがされていない患者においては、必ずしも登録病名が確定できない患者が存在しており、途中の経過記録情報などの追加情報が必要な群が存在していることが明らかになった。また、本研究では薬効情報を用いて処方オーダの分類を行ったが、同じ薬剤グループとして評価する適切な粒度のマスタ情報が必要であり、それが今後の研究の課題であることが明らかなった。 これまで解析対象データを検体検査データに基づいて抽出していたが、本研究によって、テキスト情報等のそれ以外のデータから抽出することが可能になり、長期的な検査変動を評価する際の各解析対象群を抽出することが可能になった。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
入院患者データ特徴を評価することが可能になり長期的なアウトカム評価に用いることがなったため。
|
Strategy for Future Research Activity |
退院一定期間後に急性腎障害(AKI)を起こした患者もしくは慢性腎臓病(CKD)を起こした患者を抽出し、患者特徴によって発症率が異なるかどうかの評価を行う。
|
Causes of Carryover |
大規模計算を本年度は行わなかったため計算機及び記憶装置を導入しなかった、そのため物品費の使用額との差額が生じ、次年度使用額が発生した。 長期予測を行うための計算機導入を行ために用いる。
|
Research Products
(1 results)