入院医療患者における大出血リスクの特定に向けた自然言語処理
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：Natural language processing for identifying major bleeding risk in hospitalised medical patients.
雑誌名：Comput Biol Med. 2025 May; 190: 110093.
概 要：
この研究は、入院医療患者における大出血の発生率とリスク因子を評価することを目的とし、自然言語処理（NLP）モデルを使用しました。大出血は重篤な合併症であり、患者の罹患率、死亡率、医療費に大きな影響を与えます。2017年から2022年までの間にオーデンセ大学病院の救急部門に入院した成人患者の電子健康記録を用いて、入院中の大出血を特定し、リスク因子を評価しました。
方 法：
本研究は、2017年1月から2022年12月までの間にオーデンセ大学病院の救急部門に入院した成人患者の電子健康記録を用いた後ろ向き横断観察研究です。入院中の大出血は自然言語モデルを用いて特定され、現在のガイドラインに従って分類されました。年齢、性別、アルコール消費、収縮期血圧、ヘモグロビン、クレアチニンなどのリスク因子が評価され、コックス比例ハザード回帰を用いて2つのリスク評価モデル（RAM）が開発されました。
結 果：
対象となった46,439人の患者のうち、1,246人（2.7%）が大出血を経験しました。大出血のリスク因子には、高齢、男性、アルコール消費、収縮期血圧の上昇、ヘモグロビンの低下、クレアチニンの上昇が含まれました。生化学データと併存疾患を含むRAM 1は、堅牢な予測性能（HarrellのC統計量=0.726）を示しました。併存疾患を含まない簡略化モデルのRAM 2も同様の予測精度（C統計量=0.721）を維持し、詳細な患者歴が限られた臨床環境での有用性を示唆しました。
結 論：
この研究は、医療患者における大出血の発生率とリスク因子を明らかにし、定期的に測定される生化学マーカーの予測価値を強調しています。また、NLPモデルが電子健康記録のテキストから出血エピソードを特定する適用可能性を示しています。