アルツハイマー病患者におけるミニ・メンタルステータス検査のフェノタイピング：構造化およびナラティブな電子健康記録の特徴を用いて
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Mini-mental status examination phenotyping for Alzheimer's disease patients using both structured and narrative electronic health record features
雑誌名：J Am Med Inform Assoc. 2025 Jan 01; 32(1): 119-128.
概 要：
本研究は、アルツハイマー病患者における認知評価の標準であるミニ・メンタルステータス検査（MMSE）スコアの予測を自動化することを目的としています。自然言語処理（NLP）と機械学習（ML）を用いて、構造化データと非構造化データの電子健康記録（EHR）から情報を抽出し、MMSEスコアを予測します。1654件の臨床訪問ノートを分析し、最良のモデルは多層パーセプトロン（MLP）で、RMSEは5.53でした。このモデルは、アルツハイマー病患者の認知評価を支援する可能性を示しています。
方 法：
本研究では、EHRから人口統計データ、診断、薬剤、非構造化臨床訪問ノートを抽出しました。トピックモデリングには潜在ディリクレ配分（LDA）を使用し、n-グラムには用語頻度逆文書頻度（TF-IDF）を用いました。年齢、民族、人種などのメタ特徴も抽出しました。モデルの訓練と評価には、eXtreme Gradient Boosting（XGBoost）、確率的勾配降下回帰（SGDRegressor）、多層パーセプトロン（MLP）を使用しました。
結 果：
1000人のアルツハイマー病患者から収集した1654件の臨床訪問ノートを分析した結果、平均MMSEスコアは20で、患者の平均年齢は76.4歳、54.7%が女性、54.7%が白人でした。最良のモデルであるMLPは、検証セットでRMSE 5.53を達成し、他のモデルや特徴セットに対して優れた予測性能を示しました。テストセットでのRMSEは5.85でした。
結 論：
本研究は、EHRの特徴を用いてMMSEの推定を自動化するモデルを提供し、アルツハイマー病患者の認知評価を変革する可能性を示しました。このモデルは、より情報に基づいた臨床判断やコホートの特定に寄与することが期待されます。