弱教師あり自然言語処理による退院診療情報からの診断自動識別
カテゴリ：災害・救急医療
公開日：2026年6月12日
タイトル：Automatic identification of diagnosis from hospital discharge letters via weakly supervised Natural Language Processing.
雑誌名：Sci Rep. 2026 Jun 11; doi: 10.1038/s41598-026-56721-0.
概 要：
退院診療情報からの患者診断の特定は、大規模コホート選択や疫学研究において重要ですが、従来の教師ありアプローチは広範な手動注釈を必要とし、大規模なテキストデータセットには実用的ではありません。本研究では、文書レベルの手動注釈なしでイタリアの退院診療情報を分類するための弱教師あり自然言語処理（NLP）パイプラインを提案します。この方法は、診断関連の文を抽出し、イタリアの医療文書でさらに事前学習されたトランスフォーマーモデルを用いて意味的埋め込みを生成し、弱いラベルを導出するための二段階クラスタリング手法を適用します。
方 法：
本研究は、2017年から2020年の間にイタリアのヴェネト州の44の救急室または病院に入院した子供の33,176件の退院診療情報を用いたケーススタディで評価されました。最良の弱教師ありモデルは、手動注釈データに対してAUROC 77.68%、AUPRC 73.13%、F1スコア 78.14%を達成しました。このアプローチは、手動注釈の必要性を1,500時間以上削減し、無監督ベースラインを上回り、完全教師ありモデルに近い性能を示しました。
結 果：
小規模な気管支炎データセット（3,188件の退院診療情報、2020-2025）における二次検証でも、同様のモデルランキングが観察され、最良の弱教師ありモデルはAUPRC 76.72%を達成しました。これらの結果は、臨床退院診療情報からのスケーラブルな疾患識別に対する弱教師ありNLP手法の可能性を示唆しています。
結 論：
弱教師ありNLP手法は、退院診療情報からの診断自動識別において、手動注釈の負担を大幅に軽減しつつ、高い精度を実現する可能性があることが示されました。