MEDICINE & AI

タイトル：Unveiling social determinants of health impact on adverse pregnancy outcomes through natural language processing 雑誌名：Sci Rep. 2025 Aug 09; 15(1): 29183. 概　要： 本研究は、妊娠結果における健康の社会的決定要因（SDoH）の役割を理解し、母子の健康を改善するために、非構造化された電子健康記録からSDoHを抽出する自然言語処理（NLP）モデルを訓練・評価しました。MIMIC-IIIデータベースの臨床ノート（86件）を用いてモデルを訓練し、MIMIC-IVデータベース（171件）で外部評価を行い、一般化可能性を検討しました。社会的支援、職業、物質使用に焦点を当て、ルールベース、単語埋め込み、文脈言語モデルを比較しました。ClinicalBERTモデルが社会的支援に対して最高の性能（F1: 0.92）を示し、職業にはキーワード処理が優れ（F1: 0.74）、物質使用には単語埋め込みとランダムフォレストが最も良好でした（F1: 0.83）。ロジスティック回帰分析では、妊娠合併症と物質使用（OR 6.47, p < 0.001）、社会的支援（OR 0.07, p < 0.001）との有意な関連が示されました。本研究は、SDoH抽出のためのNLPの実現可能性を示し、母体健康における臨床的関連性を強調しています。 方　法： 本研究は、MIMIC-IIIデータベースから86件、MIMIC-IVデータベースから171件の臨床ノートを用いたコホート研究です。NLPモデルは、社会的支援、職業、物質使用に関する情報を抽出するために訓練され、ルールベース、単語埋め込み、文脈言語モデルを比較しました。主要評価指標はF1スコアで、社会的支援に対して0.92、職業に対して0.74、物質使用に対して0.83でした。 結　果： ClinicalBERTモデルは社会的支援に対してF1スコア0.92を達成し、職業にはキーワード処理がF1スコア0.74、物質使用には単語埋め込みとランダムフォレストがF1スコア0.83を示しました。ロジスティック回帰分析では、物質使用と妊娠合併症の間にOR 6.47（p < 0.001）、社会的支援との間にOR 0.07（p < 0.001）の有意な関連が確認されました。 結　論： 本研究は、NLPを用いたSDoHの抽出が可能であり、妊娠合併症に対する物質使用と社会的支援の重要性を示しました。この結果は、母体健康におけるSDoHの臨床的関連性を強調しています。