腫瘍学におけるチャートレビューのためのノート予測に関する機械学習：臨床医のノート作成を改善するための概念実証戦略
カテゴリ：災害・救急医療
公開日：2026年1月29日
タイトル：Machine learning to predict notes for chart review in the oncology setting: a proof of concept strategy for improving clinician note-writing
雑誌名：J Am Med Inform Assoc. 2024 Jun 20; 31(7): 1578-1582.
概 要：
本研究は、腫瘍学患者を診察する際に臨床医がレビューしたいノートを予測するために、電子健康記録（EHR）の監査ログを活用して機械学習（ML）モデルを開発することを目的としています。ノートのメタデータを用いたロジスティック回帰モデルを訓練し、性能を精度、再現率、F1スコア、AUC、臨床的定性的評価で評価しました。
方 法：
ロジスティック回帰モデルを訓練し、ノートのメタデータとTerm Frequency Inverse Document Frequency（TF-IDF）テキスト表現を使用しました。モデルの性能は、精度、再現率、F1スコア、AUC、臨床的定性的評価を用いて評価しました。
結 果：
メタデータのみのモデルはAUC 0.930を達成し、メタデータとTF-IDFモデルはAUC 0.937を達成しました。定性的評価では、テキスト表現の改善とユーザーに合わせた予測のカスタマイズが必要であることが示されました。
結 論：
本モデルは、腫瘍学患者を診察する際に臨床医がレビューしたい上位10件のノートを効果的に提示します。今後の研究では、異なるタイプの臨床医ユーザーを特定し、さまざまなケア設定に合わせてタスクをより適切に調整することが期待されます。EHRの監査ログは、腫瘍学におけるノート作成を支援するMLモデルの訓練に重要な関連データを提供できることが示されました。