入院経過推定を用いた特徴量拡張による予後予測

抄録

医療現場における機械学習の応用による医師の治療支援や患者の個別化医療が近年多数報告されているなか、病院内に蓄積された患者の診療データを用い学習を進め、患者の予後予測を行う活用法は一つの大きなトピックである。一般にこういったタスクでは、入院から3日間など指定された期間の入院情報を用いて、予測したい将来時点における目的変数を予測する。しかし、入院初期から予測する将来時点までの期間が長いと予測が困難となる場合がある。 そこで、予測する将来時点より前における食事量などの患者状態を用いることが出来れば、目的変数に対する予測性能が向上すると考えられる。学習時にはこれらの状態も参照できるため、予測モデルを追加で構築することが可能である。本研究では、患者の入院経過を予測し、それをモデルの新たな特徴量として用いる予後予測手法を提案する。 本研究では、統合診療支援プラットフォームCITA Clinical Finderに集約された院内データを網羅的に用いて、肺炎患者を対象とした院内死亡と長期入院を予測する実験により本手法の有効性を確認した。