| 研究課題/領域番号 |
20K18874
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分58010:医療管理学および医療系社会学関連
|
|---|
| 研究機関 | 群馬大学 |
|---|
研究代表者 |
野口 怜 群馬大学, 医学部附属病院, 助教 (50828861)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 電子カルテデータ / 自然言語処理 / 非構造化データ / 診断支援AI / 疾患判別モデル / 症例マトリクス / テキストデータ構造化 / 類似症例予測AI / 病名予測モデル |
|---|
| 研究開始時の研究の概要 |
電子カルテのテキストデータには患者に関する重要かつ一貫した情報が含まれているが、非構造化データのため扱いが難しく十分に活用されていない。本研究では、新しい自然言語処理手法を活用し、電子カルテのテキストデータから疾患名・症状名を効率的に抽出し、症例ごとの疾患×症状の構造化データ（症例マトリクス）を自動生成する方法論を確立する。更に、症例マトリクスを学習データとして、実用レベルの精度を持った疾患分類AIモデルの構築を目指す。本研究は既存の電子カルテデータの活用可能性を広げるとともに、将来的な診断支援AI実現のコア技術となりえ、医療の質向上や均てん化、医師の負担軽減に大きく貢献できると考えられる。
|
| 研究成果の概要 |
本研究は、電子カルテのテキストデータを活用し、診療録の記述に基づいて疾患名の診断支援を行うAI構築を目指すものである。
本研究により、自然言語処理技術を活用して電子カルテのテキストデータから疾患名・症状名を抽出し、症例ごとの疾患・症状の構造化データ（症例マトリクス）を自動生成する方法論を確立することができた。また、症例マトリクスを学習データとして、特定の循環器疾患を最大で再現率87%で検出可能な疾患分類の機械学習モデル（疾患分類AIモデル）を構築することができた。
|
| 研究成果の学術的意義や社会的意義 |
真の診断支援AI の構築には、電子カルテのテキストデータの活用が不可欠であるが、非構造化データのために扱いが難しくまだ十分に活用されていない。本研究は既存の電子カルテデータの活用可能性を広げるとともに、将来的な診断支援AI の実現に向けたコア技術となるものであり、医療の質向上や均てん化、医師の負担軽減に大きく貢献できると考えられる。
|
