高齢者の入院記録における転倒を特定するためのルールベース自然言語処理アルゴリズムの開発および検証：レトロスペクティブ解析

臨床現場における国際疾病分類（ICD）による転倒の過小評価に対処するため、自然言語処理（NLP）を用いて診療録からの情報を組み込むことが解決策となり得る。しかし、入院患者の診療録への適用については、十分に検討されていない。

本研究の目的は、高齢患者の入院時記録に基づき転倒を特定するための、ルールベースの自然言語処理（NLP）アルゴリズムを開発し、その妥当性を検証することである。

本回顧的研究では、香港の公立病院における65歳以上の患者の12年間にわたる電子入院記録を用いた。NLPアルゴリズムを開発するため、1,000人の患者を無作為に抽出した。アルゴリズムの性能評価には手動レビューをゴールドスタンダードとし、記録レベル、エピソードレベル、および患者レベルで感度、特異度、適合率、およびF1スコアを算出した。さらに、ICDコードと臨床ノートを用いて個別に、および組み合わせて特定された転倒回数を比較した。

当社のルールベースNLPアルゴリズムは優れた性能を示し、感度、特異度、適合率、およびF1スコアは、レコードおよびエピソードレベルで93.3%、99.0%、87.5%、0.903であり、患者レベルでは92.9%、98.3%、89.7%、0.912であった。ICDコードとNLP法を併用した特定戦略により、転倒に関連するエピソードおよび転倒者の最も包括的な抽出が可能となった。

NLP法は、入院中のエピソードにおける診療録からの転倒検出において、効率的かつ正確であることが証明された。転倒エピソードおよび転倒者を包括的に把握するためには、NLPアルゴリズムとICDコードを組み合わせて使用することを推奨する。今後の転倒疫学研究や、転倒介入の高リスク群を特定するための臨床現場において、この手法を適用すべきである。