病名を介する検査推薦システム構築に向けた同時に行うべき検査項目ペアの自動抽出方法の開発 The Development of Automated Method to Collect Simultaneous Clinical Test Pairs: Technological Basis for Building a Diagnosis and Test Ordering Recommendation System

この論文にアクセスする

著者

    • 香川 璃奈 Kagawa R
    • 東京大学大学院 医学系研究科 Graduate School of Medicine, The University of Tokyo
    • 今井 健 Imai T
    • 東京大学大学院 医学系研究科 Graduate School of Medicine, The University of Tokyo
    • 大江 和彦 Ohe K
    • 東京大学大学院 医学系研究科|東京大学医学部附属病院 Graduate School of Medicine, The University of Tokyo|The University of Tokyo Hospital

抄録

<p> 医師は患者の病態に基づいて鑑別疾患を想起し,検査方針を決定する必要がある.しかし特に自身の専門分野以外の最新の知識を常に念頭におくことは容易に可能ではない.この状況を解決するために,症状から鑑別疾患を列挙するシステムは存在したが,行うべき検査を推薦することまではできない,医師が明示的に問い合わせる手間がかかる,手動による知識メンテナンスに手間とコストがかかるという問題があった.そこで本研究は,検査オーダが出された際に同時オーダされるべき他の検査項目の推測を自動で行うことを目的とする.蓄積された診療データに相関ルールマイニングを適用しネットワークのコミュニティ抽出を行い,1)各検査項目に対応する病名を付与し,2)同じ病名,類似病名群に属する検査項目ごとのペアを作成する,という手法を提案する.これにより,医師が想定している病名,類似病名群を介して,同時にオーダされるべき検査項目のペアを自動抽出できた.得られた検査項目の妥当性を人手により評価した結果,単一の病名を介した場合は70.0%,類似病名群を介した場合は89.0%の精度であった.本研究の手法を用いることで,可能性がある疾患や鑑別疾患の提示に加えて,同時にオーダすべき検査項目の推薦が可能となるシステムへの応用が期待できる.</p>

<p> Physicians decide to order laboratory tests on the basis of differential diagnoses expected from the patients' symptoms. This requires up-to-date clinical knowledge, but it is difficult for physicians to be aware of the latest advances in all medical fields. Previous studies have proposed systems to determine differential diagnosis by using information regarding the patients' symptoms, but some problems remain unsolved: the systems do not recommend the exact tests required; physicians require time to enter the query into the system; and manual development and maintenance of the knowledge base are time-consuming and expensive. The purpose of this study is to develop a system for automatically suggesting an individual order on the basis of the previous order; this system is expected to solve the problems faced when using previous systems. We propose two steps of methods to extract pairs of laboratory test items: First, we picked up the diagnoses associated with the test automatically by association rule mining. Second, we created test pairs for the same diagnosis (type 1) or disease group (type 2). To identify the disease group, we used network analysis. Using these methods, we acquired the test pairs that should be ordered on the same day. The test pairs were checked by a medical doctor; the accuracy of the test pairs was found to be 70.0% for type 1 and 89.0% for type 2. The results indicate that our system should be useful for recommending laboratory test items in addition to providing diagnosis or differential diagnosis.</p>

収録刊行物

  • 医療情報学

    医療情報学 36(3), 113-122, 2016

    一般社団法人 日本医療情報学会

各種コード

  • NII論文ID(NAID)
    130006072992
  • 本文言語コード
    JPN
  • ISSN
    0289-8055
  • データ提供元
    J-STAGE 
ページトップへ