病態悪化につながる患者行動をAIが予測 ～2017年度から複数病院データベースでの評価を開始～

研究の背景

糖尿病の患者数は近年増加傾向にあり、2014年における糖尿病の患者数は316万人に達しています（平成26年患者調査（厚生労働省））。糖尿病は進行すると合併症等を引き起こし、QOLの低下や医療費の増大につながるため、糖尿病患者には治療の継続が求められています。しかし、糖尿病外来患者の約1割が受診を中断し、合併症の発症後、病態が悪化してから受診を再開するというケースが多いことが問題となっています。
従来研究では受診中断の因子を明らかにするため、属性や検査値から受診中断者の特徴に関する調査が行われています。年齢が低いことや男性の有職者といった特徴が報告されており、「糖尿病受診中断対策包括ガイド」として糖尿病治療に関わる医療従事者に周知・活用されています^*3。しかし、受診中断には様々な要因が考えられるため、医師がここからさらに積極的に支援すべき患者を個人にまで絞り込み、支援することができずにいました。

研究の成果

そこでNTTと東大は、個人の電子カルテデータをもとに受診中断を予測するAIの構築を目指しました。予測精度を高めるため、東大の医療データ分析や臨床での患者への指導に関する知見を参考にして生成した特徴量とNTTがこれまで培ってきたAI技術「corevo™」における機械学習に関する知見をもとにモデルを構築しました。本モデルは、電子カルテデータやそこから生成された特徴量を入力して予約不履行（受診が途絶えるきっかけとなり得る予約外来の不受診）と受診中断リスク順位（将来の受診中断日までの日数の長さによる患者の順位付け）の2つを予測します。本モデルを2011年から2014年にかけて東京大学医学部附属病院に糖尿病の治療で通院している患者約900名の電子カルテデータを用いて評価したところ、優れた予測性能（予約不履行はAUC^*4=0.958、F値^*5=0.704、受診中断リスク順位は正解率^*6=0.706）を確認しました。この精度（F値）は、本モデルが不受診となった予約のうちの7割を予測できていることを意味しています。また、新たに予約登録日^*7や予約日^*8の曜日、予約登録日と予約日の間隔など、これまで医師が気づかなかった患者の予約行動に関わる項目が予測に影響を与えていることもわかりました。予測結果をもとに、受診中断を避けるために積極的に支援すべき患者の絞りこみや、支援を開始すべき時期の見極め、支援の度合いの調整が可能となることから、医師の診療支援、ひいては患者の病態の維持・改善につながることが期待できます。

今後の展開

近年、電子カルテデータの標準規格SS-MIX2（2016年2月に厚生労働省が認定）が普及し、大量の診療情報をAIで利活用できる基盤が整いつつあります。本モデルは、このSS-MIX2標準化ストレージに準拠しているため他の病院への展開が可能です。対象データの規模拡大によって、より精緻な予測モデル構築が期待できることから、2017年度から複数病院データベースでの受診中断リスク予測の評価試験を開始します。
今後、NTTは医療・健康に関するエビデンスをベースに病態悪化の予兆を捉え、患者の予防・健康づくりに向けた行動変容を支援する研究開発に取り組み、患者のQOLの向上や医療費増加の抑制など社会課題の解決に貢献していきたいと考えています。そして、生活習慣病予備群や健康な状態にある人への健康支援にも積極的に取り組み、様々なICTサービスと連携しながら、健康社会の実現を目指していきたいと考えています。

　なお本研究は東京大学大学院医学系研究科・医学部倫理委員会の承認を得て実施されています。

^※「corevo」は日本電信電話株式会社の商標です。

^※本成果は、2017年2月16日～17日に開催の「NTT R&Dフォーラム2017」にてご覧いただけます。

参考図

図1：予測モデル概要図

図2：入力データの例

表1：先行研究との比較表