MEDICINE & AI

タイトル：Hierarchical embedding attention for overall survival prediction in lung cancer from unstructured EHRs. 雑誌名：BMC Med Inform Decis Mak. 2025 Apr 18; 25(1): 169. doi: 10.1186/s12911-025-02998-6. 概　要： 本研究は、非小細胞肺癌（NSCLC）の生存予測において、非構造化電子健康記録（EHR）からの情報を活用する新しい手法を提案します。EHRは貴重な情報を含むものの、その非構造的な性質が自動処理を困難にしています。自然言語処理（NLP）を用いて、EHRから構造化情報を抽出することが重要ですが、従来の研究は手作業での臨床特徴の抽出に偏っていました。本研究では、トランスフォーマーベースのNERモデルによって生成された表現を階層的注意機構で組み合わせ、臨床予測モデルの入力として利用します。838件の記録を持つ231人の肺癌患者から収集したデータを用いて、提案手法の有効性を示します。 方　法： 本研究は、838件の非構造化EHRデータを用いたコホート研究です。データはイタリアの臨床センターから収集され、トランスフォーマーベースのNERモデルを使用して表現を抽出しました。階層的注意機構を用いて情報を統合し、臨床予測モデルに入力しました。主要評価指標は、従来の手動で抽出された臨床特徴に対する統計的有意性の改善です。 結　果： 提案手法は、従来の手動抽出手法に対して統計的に有意な改善を示しました。階層的注意機構により、EHR内の重要な情報が強調され、ドメイン専門家による評価と一致することが確認されました。 結　論： 本研究は、非構造化EHRからの高レベルのテキスト表現を抽出し、臨床予測に活用する新たなアプローチを示しました。この手法は解釈可能であり、意思決定プロセスにおいて重要な情報を特定する能力を持っています。