MEDICINE & AI

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）パイプラインの検証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日までの間に大規模な学術小児病院の救急科に来院した21歳以下の患者です。NLPパイプラインは、CDCの基準に基づき11種類のCOVID-19症状を検出するように調整されました。専門家による226件のEDノートのラベリング結果と比較し、NLPの性能をICD-10コーディングと評価しました。 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に来院した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種類のCOVID-19症状を検出するように調整され、226件のEDノートが専門家によってラベリングされました。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ED受診があり、そのうち4%（n=3420）がCOVID-19患者でした。NLPはCOVID-19症状を持つ患者の識別においてF1スコア0.796を達成し、ICD-10のF1スコア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より高かった一方、ICD-10は陰性症状の特異度が0.994で、NLPの0.917を上回りました。COVID-19患者は、症状の検出率が高く、変異株による症状の有病率の変化も観察されました。 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手法を上回る性能を発揮しました。また、異なるウイルス変異株におけ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ています。