高齢者の臨床試験におけるSOAPノートとセンサーの特徴による有害事象の分類

高齢者集団を対象とした臨床試験において、有害事象や転倒による外傷を早期に検知することは、患者の安全性の向上につながる可能性がある。本研究では、構造化されたSOAPノートと遠隔バイオフィジカルセンサによる測定値を組み合わせたマルチモーダルモデルを評価し、地方在住の高齢参加者を対象とした臨床試験における有害事象の発生および転倒イベントの分類を行った。XGBoost分類器を、BioBERT、BioClinicalBERT、およびBERT-UncasedによるSOAPノートの埋め込み表現を用いて学習させ、センサ特徴量の統合ありとなしの条件で、対照群と介入群の間で比較した。有害事象の分類において、埋め込み特徴量のみ（非統合）を用いた場合、主観的（Subjective）ノートにおいて最も高い性能を示し、対照群ではBioClinicalBERT（AUROC=0.89、再現率=0.88）、介入群ではBioBERT（AUROC=0.86、再現率=0.73）であった。センサ特徴量は、介入群（AUROC=0.57、再現率=0.10）よりも対照群（AUROC=0.68、再現率=0.80）において、有害事象に対してより高い識別能と再現率を示した。転倒の分類では、対照群（AUROC=0.87、再現率=0.32）および介入群（AUROC=0.84、再現率=0.12）の両コホートにおいて、センサ特徴量が埋め込み表現を上回った。アセスメント（Assessment）および計画（Planning）ノートの構成要素は、すべての埋め込み特徴量モデルにおいてAUROCが有意に低かった。センサ特徴量と埋め込み特徴量を統合した結果、主観的および客観的（Objective）ノートにおいてほぼ完璧な性能（AUROC=1.0、再現率=1.0）が得られ、非統合の埋め込み表現よりも有意に優れた結果となった。SOAPノートから抽出したNERトークンの分析により、モデル性能の差はコホート固有の記録習慣に関連していることが示された。介入群のSOAP内容はより患者中心であり、主観的セクションの単語数が多く、AUROCの信頼区間が狭くなっており、これは臨床的な関与の増加とイベント捕捉の改善を反映している。これらの結果は、臨床的な記述（ナラティブ）と継続的なセンサ測定を組み合わせることで、有害事象や転倒外傷の予測を向上させることができ、その結果、臨床試験の安全性が高まり、対面評価の頻度を低減できる可能性を示唆している。