診断エラーを特定するための自然言語処理アプローチの評価と安全学習システムケースレビューデータの分析：回顧的コホート研究
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Evaluation of a Natural Language Processing Approach to Identify Diagnostic Errors and Analysis of Safety Learning System Case Review Data: Retrospective Cohort Study
雑誌名：J Med Internet Res. 2024 Aug 26; 26: e50935.
概 要：
この研究は、診断エラーが病院での予防可能な死亡の原因であることを踏まえ、機械学習と自然言語処理技術を用いて診断安全監視の改善可能性を探ることを目的としています。電子健康記録の臨床ノートと既存のケースレビューデータを用いて、診断エラーを経験した患者を特定するための手法を評価しました。データ分析には、回帰モデルを用いて診断エラーの分類性能を比較しました。
方 法：
2016年2月から2021年9月までの間に、米国中部大西洋地域の10の病院からなる大規模医療システムの安全学習システムケースレビューデータを分析しました。診断エラーを経験した患者を分類するために、単純ロジスティック回帰モデルと3種類の正則化ロジスティック回帰モデル（LASSO、リッジ、エラスティックネット）を訓練しました。性別による診断エラーの有意差も検討しました。
結 果：
1704人の患者のうち、126人（7.4%）が少なくとも1回の診断エラーを経験したと特定されました。女性患者は年齢が高く（中央値72歳）、一般内科からの入院率が高い（69.5%）一方、心血管関連の入院診断率は低い（11.9%）ことが示されました。リッジモデルは、診断エラーのリスクが高い患者を分類する際に、受信者動作特性曲線の面積（0.885）が最も高く、特異度（0.797）や陽性的中率（0.24）も示しました。
結 論：
自然言語処理は、診断エラーのケースをより効果的に特定し、選択するための潜在的な解決策であることが示されました。これにより、ケースレビューの負担を軽減できる可能性があります。