[論文レビュー] Towards a New Science of a Clinical Data Intelligence

Volker Tresp, Sonja Zillner+15 more|arXiv (Cornell University)|Nov 17, 2013

Machine Learning in Healthcare参考文献 9被引用数 7

ひとこと要約

本論文は、包括的で多様な患者記録からのビッグデータを活用することで、根拠に基づく、個別化された医療を可能にする、臨床データインテリジェンスの新しい科学的枠組みを提案する。知識工学、非構造化臨床テキストからの情報抽出、統計的機械学習を統合することで、予測モデリング、結果分析、意思決定支援システムを通じて、臨床意思決定の質を向上させることを目的としており、特に腎移植患者における有害な薬物反応および薬物同士の相互作用の低減に注力している。

ABSTRACT

In this paper we define Clinical Data Intelligence as the analysis of data generated in the clinical routine with the goal of improving patient care. We define a science of a Clinical Data Intelligence as a data analysis that permits the derivation of scientific, i.e., generalizable and reliable results. We argue that a science of a Clinical Data Intelligence is sensible in the context of a Big Data analysis, i.e., with data from many patients and with complete patient information. We discuss that Clinical Data Intelligence requires the joint efforts of knowledge engineering, information extraction (from textual and other unstructured data), and statistics and statistical machine learning. We describe some of our main results as conjectures and relate them to a recently funded research project involving two major German university hospitals.

研究の動機と目的

• 大規模かつ包括的な患者データを分析するための科学的基盤を確立し、一般化可能で信頼性の高い知見を導き出し、患者ケアの向上に寄与すること。
• 臨床意思決定の複雑さに対処するため、臨床レポートなどの非構造化データを含む、患者情報の完全な文脈をモデル化すること。
• 体系的なデータ分析と意思決定支援を通じて、腎移植患者における有害な薬物反応および薬物同士の相互作用を低減すること。
• 電子的健康記録に統合された臨床意思決定支援システムを構築し、誤りを防止し、患者の安全性を向上させること。
• 臨床ワークフローにおけるプライバシーと使いやすさを確保しながら、病院や施設間でのデータ共有を促進すること。

提案手法

• 知識工学、臨床テキストからの情報抽出、統計的機械学習を統合した多様な分野の統合的アプローチを採用する。
• 臨床的事実を的確に表現し、意味的整合性を確保するため、医学的オントロジーと用語体系を活用する。
• データマイニング技術を適用し、腎移植患者における以前に未知であった薬物同士の相互作用および有害な薬物反応を同定する。
• 構造化および非構造化データ源を含む包括的な患者データに基づき、臨床的行動（例：診断、治療）の予測モデルを開発する。
• 臨床意思決定支援システムを通じて、発見した知見を電子的患者記録に統合し、リアルタイムで根拠に基づいた推奨を提供する。
• 保険請求データ、オミックスデータ、フォーラムやソーシャルメディアからの患者生成データなど、多様なデータソースを活用して文脈を強化する。

実験結果

リサーチクエスチョン

• RQ1 臨床的ビッグデータを体系的に分析することで、患者の結果を改善するための科学的に妥当で一般化可能な結果を導き出すには、どのような方法が有効か？
• RQ2 多様で大規模な患者データを用いて、複雑な臨床的意思決定プロセスをモデル化するためには、どのような技術的および方法論的枠組みが必要か？
• RQ3 医師ノートやレポートなどの非構造化臨床データを、効果的に抽出し、予測モデルに統合するには、どのような手法が有効か？
• RQ4 多様なデータソース間で臨床的事実を正確に表現するために、意味的データモデルとオントロジーが果たす役割は何か？
• RQ5 実際の電子的健康記録環境において、臨床的使いやすさ、安全性、有効性を兼ね備えた臨床意思決定支援システムを設計・実装するには、どのような方法が有効か？

主な発見

• 特にビッグデータの文脈において、大規模かつ包括的な患者データを分析する際、臨床データインテリジェンスの科学は実現可能であり、不可欠である。
• 知識工学、情報抽出、統計的モデリングの統合により、より正確で信頼性の高い臨床的意思決定支援が可能になる。
• 体系的な分析を通じて、包括的な移植センターのデータベースから、腎移植患者において薬物同士の相互作用および有害な薬物反応の頻度が非常に高いことが明らかになった。
• 現代のデータマイニング技術により、以前に未知であった薬物同士の相互作用および有害な薬物反応が効果的に同定され、患者および移植片の生存率、腎機能に明確な影響を与えた。
• 電子的健康記録内に臨床意思決定支援システムを実装することで、投与量の誤りが顕著に減少し、危険な薬物同士の相互作用を防止できるようになった。
• 病院間でのデータ共有は技術的および手続的に困難であるが、臨床データインテリジェンスの恩恵を最大限に得るには不可欠であり、レジストリーやオープンイノベーションモデルがその主要な促進要因として浮上している。