機械学習技術を用いた医薬品の投与量チェックシステムの構築と実臨床への応用

2019 Fiscal Year Research-status Report

• Project/Area Number: 18K14984
• Research Institution: Kyushu University
• Principal Investigator: 永田 健一郎 九州大学, 大学病院, 薬剤師 (30812896)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 処方チェックシステム / 機械学習

Outline of Annual Research Achievements

医薬品の過量投与は有害事象の発現を引き起こし、過少投与は治療効果の減弱を招くことから、過量・過少オーダを高精度に検出可能なシステムの開発が望まれている。本研究では、大規模データを基にアルゴリズム分析を行う「機械学習」に着目し、医薬品の過量・過少オーダを検出することを試みた。
2019年1月1日～12月31日において、過量・過少オーダに対して薬剤師が疑義照会を行った薬剤を解析対象とした。はじめに、2014年1月1日～2018年12月31日における処方データ（訓練データ）を電子カルテから抽出し、年齢、体重、投与量を基に、機械学習モデルを構築した。次に、疑義照会事例のデータを機械学習モデルへ適用し、異常データとして検出可能かどうかを検討した。さらに、2019年1月1日～12月31日における処方データを基に、正常データ（添付文書用量の範囲内）と異常データ（最大用量の2倍[過量データ]、最小用量の0.1倍[過少データ]となるように投与量を算出）を作成し、機械学習モデルへ適用した。モデル性能の一般的な評価指標である、Precision（適合率）、Recall（再現率）、F1-Score（適合率と再現率の調和平均）を算出した。
今回構築した機械学習モデルにより、疑義照会事例の多くを検出できたこと、過量データ・過少データの解析において、本モデルの良好な性能が確認できたことから、機械学習の活用が医薬品の過量・過少オーダの検出において有用であることが示された。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

機械学習モデルの構築および適切な評価方法の検討に想定よりも時間を要したため。

Strategy for Future Research Activity

異なる機械学習アルゴリズムを用いて同様の検討を行い、アルゴリズム間におけるモデル性能の比較解析を行う。
本研究の手法を用いて、実臨床における処方チェックを実施する。発出されたアラートに対する医療者の対応状況（疑義照会の有無、処方変更の有無等）を指標として、有用性評価を行う。

Causes of Carryover

解析用PCを予定よりも安価に購入できたこと、および研究期間を延長したことから次年度使用額が生じた。研究の進展に伴い、解析に必要な物品が新たに発生する可能性が高く、次年度使用額を用いての購入を検討している。