機械学習と自然言語処理を用いた患者安全イベント報告の適用：心血管診断エラーのパターンの特定
カテゴリ：災害・救急医療
公開日：2026年4月11日
タイトル：Applying machine learning and natural language processing to patient safety event reports: Identifying patterns of cardiovascular diagnostic errors.
雑誌名：PLoS One. 2026; 21(4): e0345693. doi: 10.1371/journal.pone.0345693.
概 要：
本研究は、患者安全イベント（PSE）報告データを用いて心血管診断エラーにつながる危険な状況を特定するために、自然言語処理（NLP）および機械学習（ML）技術の有用性を探求しました。2016年1月から2021年8月までの多病院医療システムからのPSE報告を対象に、心血管診断エラーに関するナarrティブを手動でレビューし、エラーに関連する報告を特定しました。4つのバイナリMLモデルを使用して、心血管診断エラーのナarrティブと共通の特徴を特定しました。
方 法：
この研究では、2016年1月から2021年8月までの多病院医療システムからのPSE報告を分析しました。各PSE報告は手動でレビューされ、心血管診断エラーに関するナarrティブが含まれているかどうかを確認しました。4つのバイナリMLモデル（単純ロジスティック回帰、エラスティックネット、XGBoost、深層ニューラルネットワーク）を用いて、心血管診断エラーに関連するナarrティブを特定しました。
結 果：
XGBoostモデルは、心血管診断エラーに関連する報告を特定する上で他のモデルを上回り、テストデータにおいて高いパフォーマンス指標（AUROC=0.914、特異度=0.982、PPV=0.866、精度=0.929、F-1スコア=0.738、AUPRC=0.783）を達成しました。ペースメーカーが心血管診断エラーの重要なシグナルとして浮かび上がり、MRIの注文が心血管診断エラーに関連する報告の中で頻繁に見られるテーマであることが示されました。
結 論：
本研究の結果は、既存のPSEデータソースから心血管診断エラーに関連する報告を特定するためのMLおよびNLP技術の実現可能性を示しています。ただし、より広範な適用の前に外部医療システムでの検証が必要です。