機械学習を用いた感染症の診断エラー検出の自動化
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Automating detection of diagnostic error of infectious diseases using machine learning
雑誌名：PLOS Digit Health. 2024 Jun; 3(6): e0000528.
概 要：
本研究は、感染症の診断エラーを自動的に検出する新しいアプローチを提案します。診断エラーは、自己報告や手動レビューによって発見されることが多く、コストがかかりリアルタイムの介入には不向きです。本研究では、電子健康記録データを活用し、予測診断と文書化された診断の偏差を測定することで、緊急治療室における感染症の誤診を特定することを目的としました。6.5百万件のED訪問と700百万件以上の臨床特徴を分析し、機械学習モデルを用いて感染症と死亡リスクを予測しました。提案されたアプローチは、手動レビューと比較して有望な結果を示しました。
方 法：
本研究は、緊急治療室の感染症誤診を特定するために、最初の24時間のデータを使用して感染症と死亡リスクを予測する2つの機械学習モデルを訓練しました。手動レビューは臨床医によって行われ、より正確またはタイムリーな診断が可能であったかどうかを判断しました。分析には、6.5百万件のED訪問と100以上の緊急治療室からの700百万件以上の臨床特徴が含まれました。
結 果：
感染症モデルのテストセットパフォーマンスは、Macro F1が86.7、AUROCが90.6から94.7の範囲であり、死亡モデルはMacro F1が97.6、AUROCが89.1でした。人間のレビューと提案された自動化指標は、0.231から0.358の範囲で正の相関を示しました。
結 論：
提案された診断偏差のアプローチは、診断エラーを見つけるための臨床医向けの有望なツールとしての可能性を示しています。さらなる改善には、データ構造を考慮するか、自然言語処理を含む必要があります。実世界での実装に向けた精緻化と検証が求められます。