慢性疾患の症例識別のための機械学習の利用:初等医療環境における方法,検証,臨床的関連性に関するスコーピングレビュー

科学分野:

• 医療情報工学 医療情報工学
• 医療における人工知能
• 慢性疾患の疫学 慢性疾患の疫学

背景:

• 電子医療記録 (EMR) は,慢性疾患の監視のための豊富なデータ源です.
• EMRから正確な慢性疾患症例定義を開発することは困難です.
• 人工知能 (AI) と機械学習 (ML) は,潜在的な解決策を提供します.

研究 の 目的:

• プライマリケアEMRから慢性疾患症例定義を作成する際にAIとMLの適用をレビューする.
• これらのAI/MLアプローチの方法論的透明性を評価する.
• AI/MLから派生した症例定義の臨床的適用性を評価する.

主な方法:

• ArkseyとO'MalleyのガイドラインとPRISMA-ScRのガイドラインに従ったスコーピングレビュー.
• 2000年から2024年まで主要なデータベース (MEDLINE,EMBASE,CINAHL,Scopus,Web of Science) で検索しました.
• データソース,ML技術,検証,知識翻訳に焦点を当てた23件の研究を分析した.

主要な成果:

• 監督されたML,特にランダムフォレストとニューラルネットワークは,研究を支配しました.
• 一般的な検証指標には,感度と特異性が含まれ,外部検証はまれでした.
• 解釈可能な定義は約50%の研究で得られたが,正式な知識の翻訳は存在しなかった.

結論:

• AIとMLは,EMRベースの慢性疾患の特定と監視を改善する見込みを示しています.
• 透明性の向上,堅実な検証,臨床医とMLの連携が必要である.
• プライマリケアにおける信頼できる意思決定支援ツールを作成するには,さらなる開発が必要です.