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

2022 年度 研究成果報告書

• 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
• キーワード: 機械学習

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。

自由記述の分野

疫学・予防医学

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。