知識グラフ強化深層学習モデル（H-SYSTEM）による高血圧性脳内出血の診断支援システムの開発と検証
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Knowledge Graph-Enhanced Deep Learning Model (H-SYSTEM) for Hypertensive Intracerebral Hemorrhage: Model Development and Validation
雑誌名：J Med Internet Res. 2025 Jun 12; 27: e66055. doi: 10.2196/66055. Epub 2025 Jun 12.
概 要：
本研究は、高血圧性脳内出血の患者に対する診断と治療を支援するための説明可能で効率的な意思決定支援システム「H-SYSTEM」を開発することを目的としています。既存のAIシステムの限界を克服するために、医療ドメインの知識グラフを統合し、意思決定の精度と説明性を向上させることを目指しました。H-SYSTEMは、神経外科医の診断支援において、迅速かつ信頼性の高い情報を提供する可能性があります。
方 法：
H-SYSTEMは、主要な命名エンティティ認識（NER）モジュール、意味解析および表現モジュール、推論モジュールの3つの主要モジュールで構成されています。高血圧性脳内出血のための医療ドメイン知識グラフ（HKG）を構築し、H-SYSTEMのテキスト認識と自動意思決定能力を強化しました。H-SYSTEMの性能を評価するために、医師や異なる大規模言語モデルと比較しました。
結 果：
HKGに基づく出力は、神経外科医と比較して94.87%の全体精度を示しました。主要なNERモジュールにはBERT-IDCNN-BiLSTM-CRFモデルを使用し、他の7つのNERモデルと比較して最高のパフォーマンスを達成しました。治療計画において91.74%の精度を示し、診断精度は88.18%、手術療法は98.53%、救命療法は89.50%の精度を達成しました。H-SYSTEMは医師やChatGPTと比較しても高い精度を示しました。
結 論：
H-SYSTEMは、電子医療記録の処理において高い効率性と一般化能力を示し、説明可能で詳細な治療計画を提供しました。特に緊急時に神経外科医に迅速かつ信頼性の高い意思決定支援を提供する可能性があります。この知識グラフ強化深層学習モデルは、臨床実践において優れたパフォーマンスを発揮しました。