安全ネット医療システムにおける自殺リスクの意思決定を支援するための実用的な洞察の生成：意図的自己傷害の動的リスクを予測する機械学習アプローチ
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Generating actionable insights to support point-of-care suicide risk decision-making in a safety-net healthcare system: a machine learning approach to predicting dynamic risk of intentional self-harm.
雑誌名：BMJ Open. 2026 Jan 29; 16(1): e095529.
概 要：
この研究は、テキサス州のJPS Health Networkの精神科緊急治療室において、自殺および意図的自己傷害（ISH）のリスクを予測するモデルを開発することを目的としています。近年、自殺率は特に低所得層の人々の間で増加しており、特定の集団に対する予測モデルは存在しません。本研究では、2015年から2019年の電子医療記録（EMR）データと2015年から2020年の地方検死官データを使用して、リスク予測因子を作成しました。
方 法：
この研究では、2018年と2019年の精神科緊急治療室の全ノートを自然言語処理を用いてレビューし、自己傷害のレベルに応じたプレゼンテーションを特定しました。15,987人の患者データを使用して、機械学習に基づく予測モデルを開発し、患者の経過に沿ってリスクを繰り返し予測するロールウィンドウ法を活用しました。
結 果：
最良のモデル（XGBoost）は、30日間の予測に対して受信者動作特性曲線（AUROC）0.81を達成し、高リスクの量的範囲に自傷行為および自殺未遂のイベントが集中することを示しました。最高の予測リスクでは、80%のイベント発生率が予測され、臨床的解釈を容易にします。
結 論：
機械学習に基づくモデルは、精神科緊急治療室において、次の30日間におけるISHおよび自殺未遂の高リスク患者を特定するために、標準的なEMRとともに使用できることが示されました。この予測モデルの統合は、安全ネット精神科緊急治療室における臨床的意思決定を大いに支援する可能性があります。