| 研究課題/領域番号 |
18K14984
|
|---|
| 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) |
2018-04-01 – 2022-03-31
|
| キーワード | 処方チェックシステム / 機械学習 |
|---|
| 研究実績の概要 |
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・過少オーダ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、大規模データを基にアルゴリズム分析を行う「機械学習」に着目し、医薬品の過量・過少オーダを検出することを試みた。
2014年1月1日～2019年12月31日における処方データを電子カルテから抽出し、年齢、体重、投与量を基に、教師なし異常検知における代表的な機械学習アルゴリズムであるOne-class support vector machineを用いて機械学習モデルを構築した。薬剤師による疑義照会事例の処方データを機械学習モデルへ適用し、異常データとして検出可能かどうかを検討した。さらに、正常データ（添付文書用量の範囲内）と異常データ（最大用量の2倍[過量データ]、最小用量の0.1倍[過少データ]となるように投与量を算出）を作成し、機械学習モデルへ適用した。モデル性能の一般的な評価指標である、Precision（適合率）、Recall（再現率）、F-measure（適合率と再現率の調和平均）を算出した。構築した機械学習モデルにより、疑義照会事例の多くを検出できたこと、過量データ・過少データの解析において、本モデルの良好な性能が確認できたことから、機械学習の活用が医薬品の過量・過少オーダの検出において有用であることが示された。上記の内容について、第30回日本医療薬学会年会で発表を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
機械学習モデルの構築および適切な評価方法の検討に想定よりも時間を要したため。
|
| 今後の研究の推進方策 |
他の機械学習アルゴリズム（Local outlier factor、Isolation forest等）を用いた検討を行い、最適なアルゴリズムの特定および検出率のさらなる向上を図る。5-fold cross-validationを用いた評価方法を導入し、結果の頑健性を高めるとともに、得られた結果を論文として公表する。
|
| 次年度使用額が生じた理由 |
研究内容の論文化に時間を要したこと、研究期間を延長したことから次年度使用額が生じた。次年度使用額は、論文化に伴う英文校正費用、オープンアクセス化費用等に使用することを計画している。
|
