コーディングの公平性：ICDコード割り当てにおける人口統計関連のコーディングの不一致の検出

科学分野:

• 生物医学情報学
• ヘルスケアにおける人工知能
• 健康公平性研究

背景:

• 国際疾病分類（ICD）コードを含む、コード化された臨床データは、生物医学研究、コホート構築、AIモデリングにとって不可欠である。
• 既存の研究では電子カルテのコーディングエラーが認識されているが、特にAIアプリケーションにおける公平性への潜在的なバイアスの影響は十分に調査されていない。
• AI研究における公平性の確保はますます重要になっており、モデル開発に使用されるコード化された臨床データ内のバイアスの調査が必要とされている。

研究 の 目的:

• 退役軍人保健庁臨床データウェアハウス内の人口統計学的サブグループ全体でのコーディングの公平性を評価する。
• AI生成フェノタイプとICDベースフェノタイプを比較することにより、国際疾病分類（ICD）コードにおける潜在的なバイアスを評価する。
• 臨床データコーディングにおける人口統計関連の不一致を特定する。

主な方法:

• 人種および性別にとらわれない人工知能（AI）フェノタイピングモデルを利用した。
• 退役軍人保健庁臨床データウェアハウス内の203のICDコードブロック全体でコーディングの公平性を分析した。
• AI生成フェノタイプとICDベースフェノタイプを比較して不一致を特定した。

主要な成果:

• 性別、人種、民族を含む人口統計学的サブグループ間で、コーディングの一貫性のばらつきが観察された。
• 分析されたICDコードブロックの50%以上で、AI生成フェノタイプとICDベースフェノタイプの不一致率に人口統計グループ間で統計的に有意な差が見られた。
• これらの発見は、人口統計に関連するコーディング格差が顕著に存在することを示している。

結論:

• 大規模な臨床データ内には、人口統計に関連するコーディングの不一致が存在する。
• この研究は、AI研究および臨床インフォマティクスにおける公平性を確保するために、これらのバイアスに対処することの重要性を強調している。
• コーディング格差を認識し、軽減することは、公平なヘルスケアデータ利用に不可欠である。