NTTと東大、「病態悪化につながる患者行動」をAIで予測するシステムを開発：医師の診療支援と患者の病態維持改善効果を見込む

NTTは、東京大学と共同で糖尿病患者の「受診中断」を予測するモデルを構築したと発表。電子カルテから患者行動に関連する特徴量をAI技術を使って学習。受診中断を7割の精度で予測するという。

[＠IT]

　日本電信電話（NTT）は2017年2月3日、東京大学大学院医学系研究科医療情報学分野、東京大学医学部付属病院企画情報運営部の教授を務める大江和彦氏らの研究グループと共同で、糖尿病患者の「受診中断」を予測するモデルを世界で初めて構築したと発表した。「受診中断」は、糖尿病患者の症状が悪化する原因の1つである患者行動で、約900人の糖尿病患者の電子カルテデータを利用して構築した。NTTグループのAI（Artificial Intelligence：人工知能）技術「corevo」の1つと位置付ける。

予測モデルの概要図

　同モデルは、患者行動に関連する特徴量をAI技術を使って学習させ、受診中断を7割の精度で予測するというもの。これまでも受診中断の要因は研究されていたが、受診中断にはさまざまな要因が考えられるために、患者の性別や年齢などの傾向を見るにとどまっていた。新たに構築したモデルでは、中断リスクの高い患者をAIによる解析結果から抽出することで、医師が患者に対して積極的に支援できるようにすることを目的とする。

　同モデルでは、電子カルテデータから、予約した外来の不受診（予約不履行）と各患者の受診中断リスク順位の2つを予測する。実際に2011〜2014年に東京大学医学部付属病院に糖尿病の治療で通院した約900人の患者の電子カルテデータを用いて評価したところ、予約不履行の確度を示すAUC（Area under the curve：値が1に近いほど判別能が高い）は0.958、F値（陽性的中率）は0.704、受診中断リスク順位の正解率は0.706という結果を得た。さらに、予約登録日や予約日の曜日、予約登録日と予約日の間隔なども予約不履行に影響を与えていることが分かったという。

　最近は、電子カルテデータの標準規格として2016年2月に厚生労働省が認定した「SS-MIX2」が普及してきている。同モデルはSS-MIX2標準化ストレージに準拠しており、同規格を導入する医療施設ならば容易に展開が可能という。対象データの規模を拡大により、さらに精緻な予測モデルの構築が期待できるとし、2017年度から複数の病院で受診中断リスク予測の評価試験を開始する考えだ。

　糖尿病患者は近年増加傾向にあり、厚生労働省の平成26年患者調査によると患者数は316万人に達している。糖尿病患者には治療の継続が必要とされるが、外来患者の約1割が受診を中断し、合併症の発症後に受診を再開するケースが多いことが問題となっていた。

入力データの例