腫瘍学におけるチャートレビューのためのノート予測に関する機械学習：臨床医のノート作成を改善するための概念実証戦略
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Machine learning to predict notes for chart review in the oncology setting: a proof of concept strategy for improving clinician note-writing
雑誌名：J Am Med Inform Assoc. 2024 Jun 20; 31(7): 1578-1582.
概 要：
本研究は、腫瘍学患者を診察する際に臨床医がレビューしたいノートを予測するために、電子健康記録（EHR）の監査ログを活用した機械学習モデルを開発することを目的としています。ノートのメタデータを用いてロジスティック回帰モデルを訓練し、精度、再現率、F1スコア、AUC、臨床的質的評価で性能を評価しました。
方 法：
ノートのメタデータとTF-IDFテキスト表現を使用してロジスティック回帰モデルを訓練しました。性能評価には、精度、再現率、F1スコア、AUC、臨床的質的評価を用いました。
結 果：
メタデータのみのモデルはAUC 0.930を達成し、メタデータとTF-IDFモデルはAUC 0.937を達成しました。質的評価では、テキスト表現の改善とユーザーに合わせた予測のカスタマイズが必要であることが示されました。
結 論：
本モデルは、腫瘍学患者を診察する際に臨床医がレビューしたい上位10件のノートを効果的に提示します。今後の研究では、異なるタイプの臨床医ユーザーを特定し、異なるケア設定に合わせたタスクの調整を行うことが期待されます。EHR監査ログは、腫瘍学におけるノート作成を支援する機械学習モデルの訓練に重要な関連データを提供することができます。