MEDICINE & AI

タイトル：Comparison of six natural language processing approaches to assessing firearm access in Veterans Health Administration electronic health records. 雑誌名：J Am Med Inform Assoc. 2025 Jan 01; 32(1): 113-118. doi: 10.1093/jamia/ocae169. 概　要： 本研究の目的は、退役軍人医療管理（VHA）の臨床記録における銃器アクセスを特定するための自然言語処理アプローチを開発することです。銃器へのアクセスは自殺リスクの増加と関連しており、臨床記録からの情報を活用することで自殺予防の取り組みを強化できる可能性があります。36,685人のVHA患者の臨床ノートを使用し、専門家の協力により銃器用語のセットを拡張し、3000のスニペットをラベル付けしました。これにより、銃器アクセスを「確実なアクセス」「確実にないアクセス」「その他」の3つのクラスに分類しました。 方　法： 本研究は、2023年4月10日から2024年4月10日までの間に収集された36,685人のVHA患者の臨床ノートを対象とした研究です。銃器用語を含む250文字のスニペットを生成し、3000のスニペットに対してラベル付けを行いました。4つの非ニューラル機械学習モデル（ランダムフォレスト、バギング、勾配ブースティング、リッジペナルティ付きロジスティック回帰）と2つのBERTバージョン（BioBERTおよびBio-ClinicalBERT）を使用して、銃器アクセスの分類を行いました。 結　果： 銃器用語は36,685件の患者記録の41.3%に確認され、スニペットの33.7%が確実なアクセス、9.0%が確実にないアクセス、57.2%が「その他」と分類されました。銃器アクセスを分類するモデルのうち、6つ中5つが良好な性能を示し、BioBERTとBio-ClinicalBERTが最も優れた性能を示し、それぞれF1スコアは0.876（95%信頼区間、0.874-0.879）および0.896（95%信頼区間、0.894-0.899）でした。 結　論： VHA患者の臨床記録には銃器関連の用語が一般的に見られます。テキストを使用して患者の銃器アクセスを特定し特徴付ける能力は、自殺予防の取り組みを強化する可能性があり、5つのモデルは臨床介入の対象患者を特定するために使用できることが示されました。