低背痛患者の最適な介入への機械学習に基づくトリアージのための紹介状の自然言語処理：後ろ向き研究
カテゴリ：災害・救急医療
公開日：2025年10月23日
タイトル：Natural Language Processing of Referral Letters for Machine Learning-Based Triaging of Patients With Low Back Pain to the Most Appropriate Intervention: Retrospective Study
雑誌名：J Med Internet Res. 2024 Jan 30; 26: e46857.
概 要：
この研究は、低背痛（LBP）患者に対する最適な治療法を提案するための意思決定支援システム（DSS）の精度向上を目的としています。従来のDSSは患者報告の結果に基づいており、紹介状や電子健康記録（EHR）から得られる質的データを活用していません。本研究では、オランダのLBP患者を対象に、紹介状の内容を自然言語処理（NLP）で抽出し、DSSの精度向上に寄与するかを検討しました。
方 法：
オランダのLBP患者を対象にした後ろ向き研究を実施しました。患者は、人口統計、痛み、障害、仕事の状況、生活の質、薬物、心理社会的機能、併存疾患、痛みの歴史と持続期間に関する基礎質問票に回答しました。紹介理由と患者の支援要望はNLPを用いて抽出され、データセットに追加されました。サポートベクターマシン、k最近傍法、マルチレイヤパーセプトロンモデルを用いて、紹介状の内容を考慮した場合としなかった場合の精度を評価しました。
結 果：
1608人の患者のデータが評価され、紹介状からの2つの紹介理由（麻酔科およびリハビリテーション介入）がトリアージのF1スコア精度を最大19.5%向上させることが確認されました。混同行列も結果を裏付けました。
結 論：
NLPを用いて紹介状の内容を追加することで、LBP患者に対する最適な治療法を提案するDSSのモデル精度が向上することが示されましたが、全体的なモデル精度は依然として低く、臨床応用には不十分とされました。