自然言語処理技術とディープラーニング手法を用いた有害事象検出方法の確立

• 研究課題/領域番号: 17H04142
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 病院・医療管理学
• 研究機関: 新潟大学
• 研究代表者: 鳥谷部 真一 新潟大学, 危機管理本部, 教授 (20227648)
• 研究期間 (年度): 2017-04-01 – 2021-03-31
• 研究課題ステータス: 完了 (2022年度)
• 配分額: 9,880千円 (直接経費: 7,600千円、間接経費: 2,280千円); 2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円); 2019年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円); 2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円); 2017年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
• キーワード: リスクマネジメント / 医療安全管理 / 自然言語処理 / グローバルトリガーツール / ディープラーニング / 有害事象 / 機械学習

研究成果の概要

有害事象の正確な発生頻度を調べるため、病院情報システムから有害事象発見のきっかけとなるイベント（トリガー）を自動的に検出し、トリガー周辺の診療情報を参照して有害事象かどうかを判断するシステムの構築を計画した。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するAグループのトリガーについては対応が容易だった。しかし、経過記録や入院サマリなどテキスト情報から検出するBグループトリガーについては、陽性的中率が極めて低かった。最近開発が加速している種々のテキストマイニング手法（Transformer、BERT、GPT-3など）を用いることで陽性的中率が改善したが、中途で研究期間が終了した。

研究成果の学術的意義や社会的意義

WHOによれば医療による重大な有害事象は入院患者の10％で発生している。重大でない事象やニアミス例を含めれば、膨大な数が発生していると推測される。これらの事例は一般的にはインシデントレポートを使って把握されているが、インシデントレポート報告は強制ではなく、報告されない事例が多数ある。本邦の病院における電子カルテの導入率は、令和2年の時点で400床以上の病院では91.2%にも上る。電子的かつ自動的に有害事象やニアミス事例を検出することができれば、その意義は極めて高い。今回は最終的な目的を達成することはできなかったが、今後の研究の礎としての意義はあったと考えている。