機械学習と自然言語処理を用いた救急部におけるトリアージの臨床処置予測
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Using machine learning and natural language processing in triage for prediction of clinical disposition in the emergency department.
雑誌名：BMC Emerg Med. 2024 Dec 18; 24(1): 237. doi: 10.1186/s12873-024-01152-1. Epub 2024 Dec 18.
概 要：
本研究は、救急部におけるトリアージの正確性を向上させるために、機械学習モデルと自然言語処理（NLP）を組み合わせた予測モデルを開発しました。トリアージの判断は主観的であり、医療提供者によって異なるため、患者が過剰または過小にトリアージされることがあります。研究では、2018年1月から2019年12月までのデータを用いて、患者の処置予測を行い、緊急医師の判断と比較しました。
方 法：
この回顧的研究では、20歳以上の非外傷患者のデータを中国医科大学病院（CMUH）とアジア大学病院（AUH）から収集しました。モデルは、構造化データと自然言語処理で処理された非構造化データを用いて訓練されました。主要評価指標は、救急部での死亡または集中治療室への入院、二次評価指標は一般病棟への入院または他病院への転院です。6つの機械学習モデル（CatBoost、Light Gradient Boosting Machine、ロジスティック回帰、ランダムフォレスト、Extremely Randomized Trees、Gradient Boosting）を開発し、緊急医師の予測と比較しました。
結 果：
CMUHから17,210人、AUHから41,883人の患者が登録されました。緊急医師は主要評価指標でF1スコア0.361、二次評価指標で0.498を達成しました。すべての機械学習モデルは、緊急医師よりも高いF1スコアを示し、特にランダムフォレストが選ばれ、内部検証で主要評価指標のBrierスコアは0.072、二次評価指標は0.089でした。非構造化データを組み込むことでモデルの性能が大幅に向上しました。
結 論：
本研究では、構造化データと非構造化データを統合した機械学習モデルを開発し、患者の処置予測を行いました。これにより、一般病棟と集中治療室への入院、救急部での死亡を区別することができ、モデルの性能が大幅に向上しました。