[論文レビュー] Mining Electronic Health Records: A Survey

Pranjul Yadav, Michael Steinbach+2 more|arXiv (Cornell University)|Feb 9, 2017

Machine Learning in Healthcare参考文献 219被引用数 10

ひとこと要約

本サーベイは、電子的健康記録（EHR）のためのデータマイニング技術について包括的な概要を提供しており、データの多様性、欠損値、時間的ダイナミクスといった課題に言及している。データマイニング、生物統計学、疫学の手法を統合することで、臨床予測、仮説生成、集団健康管理を支援し、実臨床現場での利用を想定した信頼性があり解釈可能なモデルの重要性を強調している。

ABSTRACT

The continuously increasing cost of the US healthcare system has received significant attention. Central to the ideas aimed at curbing this trend is the use of technology, in the form of the mandate to implement electronic health records (EHRs). EHRs consist of patient information such as demographics, medications, laboratory test results, diagnosis codes and procedures. Mining EHRs could lead to improvement in patient health management as EHRs contain detailed information related to disease prognosis for large patient populations. In this manuscript, we provide a structured and comprehensive overview of data mining techniques for modeling EHR data. We first provide a detailed understanding of the major application areas to which EHR mining has been applied and then discuss the nature of EHR data and its accompanying challenges. Next, we describe major approaches used for EHR mining, the metrics associated with EHRs, and the various study designs. With this foundation, we then provide a systematic and methodological organization of existing data mining techniques used to model EHRs and discuss ideas for future research. We conclude this survey with a comprehensive summary of clinical data mining applications of EHR data, as illustrated in the online supplement.

研究の動機と目的

• 米国における医療費の増加に伴い、効率的でデータドリブンな医療ソリューションの必要性が高まっていることに対応する。
• EHRデータが引き起こす特有の課題、例えば多様性、欠損、打ち切り、時間的ダイナミクスを特定し、体系化すること。
• 疫学および臨床意思決定支援からの手法統合を通じて、データマイニング、生物統計学、臨床研究の間のギャップを埋めること。
• 臨床意思決定支援および集団健康管理を支援する信頼性があり解釈可能なモデルの開発を促進すること。
• EHRデータマイニングを、仮説生成および結果分析の分野における従来の臨床試験の補完的でスケーラブルな代替手段として位置づけること。

提案手法

• 構造化済み（診断、検査値）および非構造化（臨床ノート）のEHRデータタイプ、および縦断的要素を体系的に分類する。
• 縦断的EHRデータ向けの交差検証、1つ抜き交差検証、時間的モデリングといった、コアなデータマイニング手法をレビューする。
• 打ち切りデータや交絡変数の処理に役立つ生物統計学的手法（例：生存分析、因果推論）を統合する。
• 臨床的信頼性と長期的妥当性を確保するため、モデルの解釈可能性と生理学的妥当性を強調する。
• 問題設定からモデル検証まで、臨床研究ワークフローに整合したEHRマイニングのフレームワークを提案する。
• 多様なデータ統合（例：ゲノム、ウェアラブル機器）や、多様なEHRソースのための改善されたデータ表現といった、新たなニーズを強調する。

実験結果

リサーチクエスチョン

• RQ1 EHRデータの特徴（欠損、多様性、時間的スパarsity）に対応するために、データマイニング手法はどのように適合可能か？
• RQ2 臨床予測および集団健康分析を支援するため、縦断的EHRデータを効果的にモデリングする最適な手法は何か？
• RQ3 EHRベースのデータマイニングは、高品質で検証可能な仮説を生成するために、無作為化臨床試験をどのように補完できるか？
• RQ4 解釈可能性と生理学的妥当性は、機械学習モデルの信頼性と臨床的採用にどのように寄与するか？
• RQ5 生物統計学および疫学からの手法をEHRデータマイニングに統合することで、妥当性と因果推論の質をどのように向上できるか？

主な発見

• EHRデータマイニングにより、大規模かつ縦断的な患者集団分析が可能となり、大規模な仮説生成および臨床意思決定支援が実現できる。
• 豊富な情報を持つにもかかわらず、EHRはデータの多様性、欠損値、打ち切り、均一でないデータ収集間隔といった深刻な課題を抱えている。
• 生理学的根拠のない予測子に基づくモデルは、ユーザー行動の変化に伴い陳腐化するリスクがある。これは、Google Flu Trendsの失敗が示しているとおりである。
• 臨床的信頼性と長期的妥当性を確保するには、解釈可能で生理学的に妥当なモデルが不可欠であり、とりわけ高リスク医療応用分野において重要である。
• 生存分析や因果推論といった生物統計学的手法をEHRデータマイニングに統合することで、モデルの頑健性と臨床的関連性が向上する。
• データマイニング、生物統計学、臨床研究の統合は、集団健康管理および医療提供のスケーラブルで証拠に基づく改善への道筋を提供する。