トランスフォーマーを用いた電子健康記録における臨床診断の自動分類
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：Automated classification of clinical diagnoses in electronic health records using transformer
雑誌名：PLoS One. 2025; 20(9): e0329963. doi: 10.1371/journal.pone.0329963. Epub 2025 Sep 11.
概 要：
この研究は、電子健康記録（EHR）における臨床診断の自動分類を提案し、臨床意思決定の向上と大規模な医療研究の促進を目指しています。既存の方法は、異種データ構造や限られた注釈データセットに苦しんでおり、非構造化された臨床ナラティブからの医療文脈の抽出と、異なる文書作成慣行を持つ機関間での一般化の両方の課題に十分に対処できていません。本研究では、トランスフォーマーに基づく階層的特徴抽出、診断の相互依存性を活用したマルチタスク学習、事前学習された医療言語モデルを用いた転移学習の3つのコアコンポーネントを統合した新しいフレームワークを提案します。
方 法：
本研究は、MIMIC-IIIデータセットを用いた評価を行い、トランスフォーマーアーキテクチャを用いた階層的特徴抽出とマルチタスク学習を組み合わせた手法を採用しました。主要評価指標として、精度89.2%、F1スコア87.6%を達成し、従来のCNN-RNNハイブリッドに比べてリコールで8.0%の向上を示しました。
結 果：
提案したフレームワークは、EHRの異質性に効果的に対処し、機関特有の注釈への依存を減少させることができました。具体的には、重要な指標において4.9-6.2%の改善を示しました。
結 論：
本研究の結果は、文脈的注意メカニズム、タスク間の知識共有、医療ドメイン適応の統合が、異なる医療環境における実装可能性と精度のバランスを取るための堅牢な基盤を提供することを示しています。