研究課題/領域番号 |
21K06644
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分47060:医療薬学関連
|
研究機関 | 九州大学 |
研究代表者 |
永田 健一郎 九州大学, 大学病院, 薬剤師 (30812896)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
キーワード | 処方チェックシステム / 機械学習 / 医療安全 / 医療情報システム |
研究開始時の研究の概要 |
医療現場では、予め定義したルールに基づき医師の処方内容をチェックする処方チェックシステムが広く導入されている。しかし、医薬品の用量については、様々な種類の臨床検査値に応じた設計が必要となるため、既存の手法では十分なルールを定義することが難しい。 本研究では、機械学習の技術を応用することで、電子カルテデータを基に臨床検査値に応じた正常な処方パターンを自律的に学習させ、異常な処方(過量投与・過少投与)を高精度に検出するシステムを新規構築する。さらに、本システムを実際の医療現場で活用することにより、処方ミスにより引き起こされる医療過誤を減少させることを目指す。
|
研究実績の概要 |
医療現場では,予め定義したルールに基づき医師の処方内容をチェックする処方チェックシステムが広く導入されている。しかし,医薬品の用量については,患者の年齢・体重に加えて,様々な種類の臨床検査値に応じた設計が必要となるため,既存の手法では十分なルールを定義することが難しい。医薬品の用量に関する処方ミスは,患者の重篤な健康被害を引き起こすことから,実用性の高い用量チェックシステムの開発が望まれている。本研究では,近年,様々な分野で注目されている機械学習の技術を応用することで,電子カルテデータを基に臨床検査値に応じた正常な処方パターンを自律的に学習させ,異常な処方(過量投与・過少投与)を高精度に検出するシステムを構築するものである。 当該年度は,電子カルテシステム(HOPE EGMAIN-GX,富士通株式会社)から,処方データ,注射データおよび各種臨床検査値データを抽出し,各種マスタデータとの連結,前処理,および解析を自動的に行うプログラムを作成した。また,個々の医薬品について,各種臨床検査値データ(腎機能,肝機能,骨髄機能,電解質,薬物血中濃度等)と医薬品の用量との相関関係を分析し,実用性の髙い機械学習モデルの検討を行った。さらに、過去の安全性情報やインシデント等の情報をもとに、重要度の髙い医薬品について、ルールベースの解析条件を設定し、機械学習を用いた解析手法と組み合わせることで性能を向上させることを試みた。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
データ抽出、および機械学習モデルによる解析検討に大きな問題はなく、おおむね計画通りに進展している。
|
今後の研究の推進方策 |
機械学習による異常検知の代表的なアルゴリズムである,One-class support vector machine,Isolation forest,Local outlier factorを用いて,医薬品の用量,年齢,体重,各種臨床検査値データを基に機械学習モデルを構築する。また、ルールベースの解析手法と機械学習による解析手法とを組み合わせることで、異常検知の性能を向上させることを試みる。新規処方データを構築した機械学習モデルに適用し,異常データを検出するとともに,薬剤師が必要な介入を実施することで,用量の処方ミスに起因する医療過誤(インシデント・アクシデント)を減少させることを目指す。
|