患者の記録から自殺を予測できるか?

新しい研究は、予測的コンピュータモデルが、電子カルテのパターンから自殺未遂のリスクがある患者を特定できることを示しています。平均で2年前倒ししています。

そのようなモデルは訪問の前に医療専門家に潜在的に警告し、患者が適切な介入を受けるのを助けるかもしれないとボストン小児病院とマサチューセッツ総合病院の研究者は言います。

調査結果は JAMA Network Open.

「コンピューターは、メンタルヘルスの問題を特定する際にケアチームに取って代わることはできません。しかし、コンピュータが適切に設計されていれば、現在、医療システムに気づかれずに、亀裂から脱落している可能性のあるリスクの高い患者を特定できると考えています」と、予測医学グループのディレクターであるベンレイス博士は述べています。ボストン小児病院の計算健康情報プログラム(CHIP)、および論文の共同執筆者。

「私たちは、医師に「すべての患者の中で、これら3つはリスクの高いカテゴリに分類される」と伝えることができるシステムを想定しています。彼らと話すのにさらに数分かかります。」」

研究のために、研究者らは、5つの異なる米国のヘルスケアシステム全体で、10歳から90歳の370万人を超える患者の電子カルテデータを分析しました。ボストン医療センター。ボストン小児病院;ノースカロライナ州のウェイクフォレスト医療センター。テキサス大学ヘルスサイエンスセンター、ヒューストン。

診断コード、臨床検査結果、医療処置コード、医薬品など、6〜17年分のデータがさまざまなセンターから入手できました。

記録によると、合計39,162件の自殺未遂があった。モデルはそれらの38%(5つのセンター全体で33〜39%の範囲)を90%の特異性で検出できました。症例は実際の自殺未遂の平均2.1年前に拾われました(範囲は1.3〜3.5年)。

当然のことながら、最強の予測因子には、薬物中毒、薬物依存、急性アルコール中毒、およびいくつかの精神的健康状態が含まれていました。しかし、他の予測因子は、横紋筋融解症、蜂巣炎または手の膿瘍、HIV薬など、通常は思い浮かばないものでした。

「予測因子は1つではありませんでした」とReis氏は言います。 「それは、ゲシュタルトまたは証拠のバランスであり、時間とともに蓄積する一般的なシグナルです。」

チームは、機械学習アプローチを使用して、2つのステップでモデルを開発しました。まず、患者データの半分をコンピューターモデルに示し、文書化された自殺未遂に関連するパターンを見つけるように指示しました。

次に、彼らはその「トレーニング」演習から学んだ教訓を取り入れ、データの残りの半分を使用してそれらを検証しました。それらのパターンのみに基づいて、最終的にどの患者が自殺を試みるかを予測するようにモデルに要求する。

全体として、モデルは5つの医療センターすべてで同様に機能しましたが、個々のセンターでモデルを再トレーニングすると、より良い結果が得られました。

「同じコードを使用して、すべての医療センターに適合する1つのモデルを作成することもできました」と、この論文の最初の著者であるCHIPのYuval Barak-Corren医師は述べました。 「しかし、各医療現場の詳細に合わせて調整された、わずかに異なるモデルを自動的に構築するアプローチを選択しました。」

自殺は今やアメリカの若者の間で二番目に多い死因です。致命的な自殺は2000年から2016年の間に30%増加し、2016年だけでも130万件の致命的でない自殺未遂がありました。

ヘルスケアセンターには、さまざまな病院のコーディング方法や地域の人口統計や健康パターンに基づいた独自の予測要素があるため、調査結果はモデルを各サイトに適合させることの価値を裏付けています。

出典:ボストン小児病院

!-- GDPR -->