MEDICINE & AI

タイトル：Modular Clinical Decision Support Networks (MoDN)-Updatable, interpretable, and portable predictions for evolving clinical environments. 雑誌名：PLOS Digit Health. 2023 Jul; 2(7): e0000108. 概　要： 本研究は、臨床意思決定支援システム（CDSS）の限界を克服するために、モジュラー臨床意思決定支援ネットワーク（MoDN）を提案しています。従来のCDSSは静的なルールベースのロジックを使用しており、進化する臨床環境において一貫性のないパフォーマンスを示します。MoDNは、プライバシーを保護しつつ、互換性のないデータセット間で柔軟に学習できるモデルであり、臨床医に対して解釈可能な連続的な予測フィードバックを提供します。実際のCDSS由来のデータセットを用いた検証では、MoDNは従来のモデルと比較して有意に高い性能を示しました。 方　法： 本研究は、3,192人の小児外来患者から得られたCDSS由来のデータセットを使用した検証を行いました。MoDNは、特徴ごとのニューラルネットワークモジュールで構成され、診断予測を行うために任意の組み合わせで結合可能です。モデルの性能は、マクロF1スコアを用いて評価され、従来のロジスティック回帰や多層パーセプトロンと比較されました。 結　果： MoDNは、全診断における平均マクロF1スコアで0.749を達成し、ロジスティック回帰の0.651や多層パーセプトロンの0.620を有意に上回りました（p < 0.001）。また、異なるデータセット間での共同学習をテストした結果、60%の特徴の重複があっても、MoDNモデルは新しいデータセットに適応できることが示されました。 結　論： MoDNは、臨床環境における意思決定支援を向上させる可能性を持ち、データ共有なしでの共同学習を実現します。このモデルは、臨床医に対して解釈可能なフィードバックを提供し、進化する医療ニーズに応じた柔軟な対応を可能にします。