2021 Fiscal Year Annual Research Report
Construction of drug dose check system using machine learning technology and application to clinical practice
| 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 – 2022-03-31
|
| 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・過少処方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，教師なし機械学習における代表的なアルゴリズムであるone-class support vector machine（OCSVM）を用いてモデル構築を行い，医薬品の過量・過少処方に対する検出性能を評価した。
対象期間（2014年1月1日～2019年12月31日の6年間）における処方データを電子カルテから抽出し，解析対象とした経口薬21薬剤について，患者の年齢，体重，および薬剤の投与量を基にOCSVMモデルを構築した。実臨床における疑義照会事例（31事例）のデータをOCSVMモデルへ適用したところ，27事例（87.1%）が異常データとして検出された。対象期間における処方データを基に，正常データ（添付文書およびUpToDate記載用量の範囲内），過量データ（最大用量の2倍），および過少データ（最小用量の0.1倍）を作成し，OCSVMモデルへ適用した。解析結果は，過量データではPrecision（適合率）は0.986，Recall（再現率）は0.964，F-measure（適合率と再現率の調和平均）は0.973であり，過少データではPrecisionは0.980，Recallは0.794，F-measureは0.839であった。他の教師なし機械学習アルゴリズム（local outlier factor，isolation forestおよびrobust covariance）を用いたモデルと比較して，OCSVMモデルは最も高い検出性能を有することが示された。
本研究の結果から，患者の年齢，体重，および薬剤の投与量を基に構築したOCSVMモデルが，医薬品の過量・過少処方の検出において有用であることが示された。
|
