外傷患者のアルコール乱用、AI技術でカルテから自動識別

●　研究者らは、自然言語処理と機械学習手法を使用して、電子カルテの臨床医のメモからアルコール依存者を識別。

●　78％の症例で、AIはアルコール依存の外傷患者とそうでない患者を区別することができた。

米国における死亡の10％はアルコールに関連するものであり、アルコール乱用率は2002年から2012年の間に9％増加しました。実際、外傷患者の3人に1人がアルコール依存症です。

以前の研究では、すべての外傷障害がよい学習機会となることが証明されています。外傷センターでのSBIRT（スクリーニング、ブリーフインターベンション、紹介）プログラムは、アルコール消費量を減らし、傷害の再発をほぼ50％減らすことが示されています。

現在、ロヨラ大学ヘルスシステムの研究者は、人工知能（AI）を使用してアルコール乱用による外傷患者を検出できることを実証しました。研究者らは、自然言語処理（NLP）と機械学習手法を使用して、電子カルテの臨床医のメモからアルコール乱用者を識別しました。

既存のスクリーニング方法と何が違うのか？

既存のスクリーニング方法は10項目のAUDIT（アルコール使用障害識別テスト）を採用していますが、これらの方法にはいくつかの欠点があります。これには、電子カルテのシステムに新しいフォームと手順を作成する必要があります。

アルコール使用に関する質問に答えるとき、患者は正直でないことがあります。そのため、検査結果は事実と異なる場合があります。さらに、ツールの実装と管理に従業員を雇うことは、リソースを大量に消費しかつ時間のかかるプロセスです。

NLPと機械学習アルゴリズムは、臨床診療と研究で問題なく使用されています。より具体的には、NLP手法は、現在の参照標準を利用して目に見えないケースを予測する教師あり学習に依存しています。

プロバイダーのドキュメントに加えて、NPL分類機はプロキシレポート、検査データ、埋め込み薬、および最初の24時間以内に収集された他の医療スタッフからのメモを活用します。

この研究では、研究者らは3年半にわたってロヨラ外傷センターに入院した1,422人の成人患者のデータを使用しました。データには、16,000を超える医療概念を含む91,000以上の電子カルテのメモが含まれています。

結果

研究者らは、知識抽出システムと臨床テキスト分析を使用してメモの言語処理を実行しました。 これは、アルコール乱用を示す16の医学的概念（B1ビタミンチアミン、マリファナ、肝臓イメージングを含む）を特定するのに役立ちました。78％の症例で、AIはアルコールを乱用した外傷患者とそうでない患者を区別することができました。

全体として、このAI技術によりプロセスは自動化され、ヘルスセンターでのSBIRTプログラムにおける患者と人員の障壁を克服します。この技術を使用する専門知識を持つ外傷センターにとっては手が届きやすいでしょう。

研究者たちはまた、この研究で使用された言語学ソフトウェアとオープンソースプログラミングはすべてのユーザーに無料で提供されると述べています。