医師のノートからの症状検出にAIを活用したバイオサーベイランスの進展：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：Moving Biosurveillance Beyond Coded Data Using AI for Symptom Detection From Physician Notes: Retrospective Cohort Study
雑誌名：J Med Internet Res. 2024 Apr 04; 26: e53367.
概 要：
本研究は、COVID-19の症状を小児患者の医師のノートから検出するためのAIベースの自然言語処理（NLP）パイプラインを検証・テストすることを目的としています。対象は2020年3月1日から2022年5月31日までに大規模な学術的子供病院の小児救急科を受診した21歳以下の患者で、226件の救急科ノートを専門家がラベル付けし、高い一致率を示しました。NLPは、ICD-10コードよりもCOVID-19症状の検出において高い精度を示し、ウイルス変異株による症状の変化も明らかにしました。
方 法：
この回顧的コホート研究では、2020年3月1日から2022年5月31日までに小児救急科を受診した21歳以下の患者を対象としました。NLPパイプラインは、CDC基準に基づく11のCOVID-19症状を検出するように調整され、226件のノートが専門家によってラベル付けされました。主要評価指標はF1スコア、陽性的中率（PPV）、感度です。
結 果：
研究期間中に85,678件の救急科受診があり、そのうち4%（n=3420）がCOVID-19患者でした。NLPはCOVID-19症状を持つ患者の受診を識別する際、F1スコアが0.796でICD-10の0.451を上回りました。NLPは陽性症状の感度が0.930でICD-10の0.300より高く、陰性症状の特異度はICD-10が0.994でNLPの0.917を上回りました。症状の検出率はウイルス変異株によって異なりました。
結 論：
本研究は、AIベースのNLPが小児患者におけるCOVID-19症状のリアルタイム検出において非常に効果的なツールであることを示し、従来のICD-10方法を上回ることを確認しました。また、ウイルス変異株による症状の有病率の変化を明らかにし、感染症監視における動的で技術駆動のアプローチの必要性を強調しました。