[論文レビュー] Predicting Severe Sepsis Using Text from the Electronic Health Record

Phil Culliton, Michael Levinson+4 more|arXiv (Cornell University)|Nov 30, 2017

Machine Learning in Healthcare参考文献 6被引用数 14

ひとこと要約

本研究では、電子歴史記録（EHR）の非構造化テキストのみを用いて、24時間前までに重症膿血症を予測する機械学習モデルを開発した。AUCは0.81を達成した。このモデルは構造化データのみを用いた場合を上回り、非構造化テキストと構造化データを組み合わせることでさらに性能が向上した。臨床ノートには、数値フィールドに記録されていない、予測に非常に役立つ専門家によるアノテーション情報が含まれていることが示された。

ABSTRACT

Employing a machine learning approach we predict, up to 24 hours prior, a diagnosis of severe sepsis. Strongly predictive models are possible that use only text reports from the Electronic Health Record (EHR), and omit structured numerical data. Unstructured text alone gives slightly better performance than structured data alone, and the combination further improves performance. We also discuss advantages of using unstructured EHR text for modeling, as compared to structured EHR data.

研究の動機と目的

• 非構造化EHRテキストのみを用いて、重症膿血症を最大24時間前まで予測できるかどうかを調査すること。
• 非構造化テキスト、構造化データ、およびその組み合わせの3つのアプローチにおける重症膿血症予測性能を比較すること。
• 診断以前に高リスク患者を同定できるテキストベースのモデルの臨床的有用性を評価すること。
• 予測モデリングにおいて、非構造化臨床ノートが構造化データを上回る利点を評価すること。

提案手法

• 2012年から2016年までの間、Baystate Healthの203,000件の入院患者のEHRエンカウンターを用いた後向き分析。
• 8つの構造化変数とICD-10コードを組み合わせた修正臨床基準を用いて重症膿血症を定義し、各患者に対して正確な「重症膿血症定義時刻」を特定した。
• 陽性例では、重症膿血症定義時刻の24時間以内に記録されたノートを除外してモデリングウィンドウを構築し、陰性例ではランダムに時刻を指定した。
• 患者1人あたりの非構造化ノート（例：進行情報、H&P）をすべて連結して、1つのテキストブロックに統合した。
• 機械学習用にテキストを数値ベクトルに変換するため、ベースライン「bag of words」の分散表現を適用した。
• 2016年のデータを用いたクロスバリデーションとオフタイムテストを実施し、ロジスティック回帰を用いてモデルを訓練および評価した。

実験結果

リサーチクエスチョン

• RQ1 非構造化EHRテキストのみを用いて、重症膿血症を最大24時間前まで予測できるか？
• RQ2 非構造化テキストの予測性能は、構造化データのみを用いた場合と比べてどうか？
• RQ3 非構造化データと構造化データの両方を組み合わせることで、単独のモダリティを上回る予測精度が向上するか？
• RQ4 予測モデリングにおける非構造化臨床ノートの使用が、構造化データを上回る実用的利点は何か？

主な発見

• 非構造化テキストのみのモデルはAUC 0.81を達成し、構造化データのみのモデル（AUC 0.80）をわずかに上回った。
• 非構造化データと構造化データの両方を用いた統合モデルはAUC 0.85を達成し、非構造化データのみのモデルに比べて5–10%の改善を示した。
• 予測スコア上位1%（全13,603人中136人）において、125人が24時間以内に重症膿血症を発症していることが正しく同定された。
• モデルは実用的な臨床的有用性を示した。1,000人の患者のコhortにおいて、上位10%（136人）に272例の重症膿血症が含まれており、早期検出の可能性が非常に高いことが示された。
• 非構造化ノートには、構造化データに記録されていない臨床的に関連のある、専門家によるアノテーション情報が含まれており、たとえば重要な所見への選択的強調などが含まれる。
• 非構造化テキストを用いることで、集計（例：収縮期血圧の最大値／最小値）や欠損値処理を要する構造化データの手動前処理が削減できる。