Detection of adverse events by using natural language processing and deep learning approach

2017 Fiscal Year Annual Research Report

• Project/Area Number: 17H04142
• Research Institution: Niigata University
• Principal Investigator: 鳥谷部 真一 新潟大学, 危機管理本部, 教授 (20227648)
• Project Period (FY): 2017-04-01 – 2021-03-31
• Keywords: リスクマネジメント / 医療安全管理

Outline of Annual Research Achievements

1．各トリガーの自動検出方法の確立：　合計53 項目あるトリガーを、どのデータベース領域から抽出するか、トリガーとデータベース項目の対応付けを行った。この操作は下記2～5の手順の結果を踏まえて、順次変更を加えていく必要があることが判明した。そのため、引き続き次年度もこの作業を継続する。
2．自然言語処理を用いたテキスト情報からのトリガー検出方法の確立：　トリガーには、オーダエントリや検査結果記録など定量的な情報から検出できるトリガー（A グループ）と、経過記録や入院サマリなど定性的なテキスト情報から検出しなければならないトリガー（B グループ）がある。前者については、トリガーの抽出ルールを作成する。後者は、自然言語処理（形態素解析、構文解析など）を行って、目的とするトリガーを検出できるようにする。本年度は一部この作業を行った。
3．有害事象検出の真値の確定：　申請者の医療機関の少数の患者を対象に、古典的なChart Review を行い、有害事象の真値を得た。2の作業と対応する形で、本年度は一部この作業を行った。
4．トリガーから有害事象の検出方法の確立：　各トリガーの周辺の診療情報とくに診療経過記録に対して自然言語処理を加えて、有害事象かどうかを判定するためのデータを作成する。Chart Review で得られた有害事象の真値を特徴量として、これらのデータを学習データとして深層学習を行う。学習を終えたアルゴリズムを使って、学習データとは異なる評価データで有害事象の検出を行う。トリガーごとに、この操作を行う。本年度はパイロットスタディとして一部この作業を行った。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

上記1の作業、すなわち、各トリガーをどのデータベースのどの項目から抽出するか、一通り対応づけた。しかし、その後の解析の結果、上記2～5の作業と並行して、データベース項目の再検討が必要であることが判明した。そのため、いったんは対応付けた項目を、2～5の作業を進める中で見直しながら、この対応付け作業については次年度も引き続き行うこととした。

Strategy for Future Research Activity

本年度行った上記の作業1～4を引き続き行う。トリガーの中で一通りの結果が得られたら、順次以下の5を行う。
5．有害事象検出方法の比較対照
全てのトリガーについて、有害事象検出アルゴリズムが完成したら、4 つの方法（①今回提案する方法、②IHI-GTT、③古典的なChart Review、④同期間にインシデントレポートで報告された事例）で検出した有害事象の比較検討を行う。