大規模入院データを用いた機械学習による再入院予測モデルの構築

• 研究課題/領域番号: 19K19430
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分58030:衛生学および公衆衛生学分野関連:実験系を含まない
• 研究機関: 筑波大学
• 研究代表者: 岩上 将夫 筑波大学, 医学医療系, 准教授 (30830228)
• 研究期間 (年度): 2019-04-01 – 2023-03-31
• 研究課題ステータス: 完了 (2022年度)
• 配分額: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円); 2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2019年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
• キーワード: 機械学習 / 再入院 / 臨床予測モデル / リアルワールドデータ / 医療ビッグデータ / 予測モデル / 大規模入院データ

研究開始時の研究の概要

日本では入院期間の短縮化に向けた動きが盛んになっているが、患者が完治していない状態で退院した場合や、退院後のフォローが不十分な場合、予期せぬ再入院の可能性が高まると予想される。しかし再入院のリスクをデータから客観的に予測し、臨床現場で活用している事例は乏しい。今回、機械学習を大規模入院データに適用して、再入院予測モデルの構築を行う。複数の機械学習の手法を用いてモデルを作成し、それらの予測能を比較することで、今後日本の各病院が再入院予測システムを導入する際の好ましい方法を提案する。またモデル作成を通じて、高リスク群の同定および介入による効果の推定を行い、再入院率の低下につなげることを目指す。

研究成果の概要

大規模入院データ(Medical Data Vision社から購入した38病院のDPC情報および採血検査結果)から30日以内の予定外再入院を予測する複数の機械学習・ロジスティック回帰モデルを構築し、その予測能の比較を行った。その結果、機械学習の一種であるgradient-boosted decision tree(GBDT)が最も識別能に優れることが明らかになった。一方で、予測変数の項目数を増やし採血結果を予測に用いるほど、機械学習のベネフィットが高まることを期待していたが、最も項目数の多い(採血結果含む1543項目)データセットにおいて、GBDTとロジスティック回帰の識別能に大差はなかった。

研究成果の学術的意義や社会的意義

近年リアルワールドデータ(電子カルテや医療レセプト)の収集・利活用や、大規模医療データに対して機械学習を適用することへの期待が高まっている。そこで本研究では、日本の退院患者の再入院予測を例に、機械学習と昔から使われていたロジスティック回帰モデルの予測能を比較する実験を行った。その結果、確かに機械学習の一種であるgradient-boosted decision tree(GBDT)が最も判別能に優れていたが、一方で、必ずしも多くの情報量を利用する時ほどそのベネフィットが高まるわけではないことも明らかになった。以上の結果は、今後日本で医療情報に機械学習を適用し社会実装する際に参考になるであろう。

研究成果

• [雑誌論文] Comparison of machine-learning and logistic regression models to predict 30-day unplanned readmission: a development and validation study (2023)
  • 著者名/発表者名: Masao Iwagami, Ryota Inokuchi, Eiryo Kawakami, Tomohide Yamada, Atsushi Goto, Toshiki Kuno, Yohei Hashimoto, Nobuaki Michihata, Tadahiro Goto, Tomohiro Shinozaki, Yu Sun, Yuta Taniguchi, Jun Komiyama, Kazuaki Uda, Toshikazu Abe, Nanako Tamiya
  • 雑誌名: medRxiv 巻: -
  • DOI: 10.1101/2023.05.06.23289569
  • オープンアクセス
• [雑誌論文] Introduction to Clinical Prediction Models (2022)
  • 著者名/発表者名: Masao Iwagami, Hiroki Matsui
  • 雑誌名: Annals of Clinical Epidemiology 巻: 4 号: 3 ページ: 72-80
  • DOI: 10.37737/ace.22010
  • ISSN: 2434-4338
  • オープンアクセス
• [学会発表] 大規模入院データによる再入院予測のための複数の機械学習法の比較 (2022)
  • 著者名/発表者名: 岩上将夫、井口竜太、川上英良、山田朋英、後藤温、橋本洋平、道端伸明、小宮山潤、宇田和晃、田宮菜奈子
  • 学会等名: 日本臨床疫学会第5回年次学術大会