一般開業医の臨床ノートの自然言語処理を用いた高齢者の将来の転倒予測
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Predicting future falls in older people using natural language processing of general practitioners' clinical notes.
雑誌名：Age Ageing. 2023 Apr 01; 52(4): doi: 10.1093/ageing/afad046.
概 要：
高齢者の転倒は一般的であり、健康に悪影響を及ぼします。予測モデルは、転倒リスクの高い個人を特定するのに役立ちます。電子健康記録（EHR）は、転倒しやすい個人を特定し、臨床業務の負担を軽減する自動化された予測ツールの開発に役立ちますが、既存のモデルは主に構造化データを利用し、非構造化データの情報を無視しています。本研究では、機械学習と自然言語処理（NLP）を用いて、非構造化臨床ノートが提供する予測性能と、構造化データに対するその追加的な性能を検討しました。
方 法：
65歳以上の人々のプライマリケアEHRデータを使用しました。構造化臨床変数を用いたモデル（Baseline）、非構造化臨床ノートから抽出したトピックを用いたモデル（Topic-based）、および抽出したトピックに臨床変数を追加したモデル（Combi）の3つのロジスティック回帰モデルを開発しました。モデルの性能は、受信者動作特性曲線下面積（AUC）を用いて評価し、10分割交差検証を行いました。
結 果：
35,357人のデータを分析し、そのうち4,734人が転倒を経験しました。NLPトピックモデリング技術により、非構造化臨床ノートから151のトピックが発見されました。Baseline、Topic-based、CombiモデルのAUCはそれぞれ0.709（95% CI: 0.700-0.719）、0.685（95% CI: 0.676-0.694）、0.718（95% CI: 0.708-0.727）でした。全てのモデルは良好なキャリブレーションを示しました。
結 論：
非構造化臨床ノートは、従来の予測モデルに比べて転倒予測モデルの開発と改善に有効なデータソースですが、臨床的な関連性は限られています。