ARCH：集約されたナラティブコーディファイド健康記録分析による大規模知識グラフ
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：ARCH: Large-scale knowledge graph via aggregated narrative codified health records analysis
雑誌名：J Biomed Inform. 2025 Feb; 162: 104761.
概 要：
本研究は、電子健康記録（EHR）システムにおけるコーディファイドデータと自由形式のナラティブノートを統合し、効率的な集約ナラティブコーディファイド健康記録（ARCH）分析を提案します。EHRの複雑性に伴う特徴表現、情報抽出、及び不確実性の定量化の課題に対処し、包括的なEHRの特徴を持つ大規模な知識グラフ（KG）を生成することを目的としています。
方 法：
本研究は、1250万人の退役軍人患者からのデータを使用し、ARCHはまず埋め込みベクトルを導出し、臨床特徴間の関連性を測定するための類似性と関連するp値を生成します。次に、間接的なリンクを除去するためにスパース埋め込み回帰を行い、スパースKGを構築します。最終的に、ARCHは、エンティティペア間の既知の関係の検出、薬剤副作用の予測、疾患表現型の特定、アルツハイマー病患者のサブタイプ分類など、さまざまな臨床タスクで検証されました。
結 果：
ARCHは、60,000以上のコーディファイドおよびナラティブEHR概念に対して高品質な臨床埋め込みとKGを生成しました。ARCHは、類似EHR概念に対してAUC 0.926（コーディファイド）および0.861（NLP）、関連ペアに対してAUC 0.810（コーディファイド）および0.843（NLP）を達成し、薬剤副作用の検出ではAUC 0.723を記録し、ファインチューニング後に0.826に改善しました。コーディファイドとNLPの特徴を使用することで、検出力が大幅に向上しました。
結 論：
提案されたARCHアルゴリズムは、コーディファイドおよびNLP EHR特徴のための大規模で高品質なセマンティック表現と知識グラフを生成し、幅広い予測モデリングタスクに役立つことが示されました。