ソーシャルメディアからの患者の悩み・実践知の抽出技術と活用基盤の確立

点击翻译按钮获取中文摘要

本研究では，ソーシャルメディアから得られる患者テキストを患者ケアの充実に活かす基盤づくりを目指して，患者の治療・生活上の悩みに関するエピソード，及び患者の実践知を抽出する自然言語処理（Natural Language Processing，NLP）システムの開発を進めている．本年度（2022年度）は各種患者テキスト（ブログ等の記述，インタビュー等の語り）から副作用疑いや悩みテキストを抽出する深層学習モデルの構築と外挿性評価を行なった．主な成果を以下に示す．がん患者の悩み抽出手法の構築と改良：2022年度は乳がん患者ブログ（記述）に加えて，インタビュー（語り）テキストを対象に自然言語処理モデル BERTを用いた悩み抽出器の開発を試みた．事前学習済みのBERTモデルをファインチューニングして，乳がん患者ブログから患者の悩み（診療の悩み，身体の苦痛，心の苦悩，就労・経済的負担，家族・周囲の人との関係）が含まれる記事を抽出するマルチラベル分類器を構築した．加えて，ファインチューニングの前に乳がん患者ブログまたはインタビューのテキストデータを使用してドメイン適応を行なうことで，分類器の性能が顕著に向上することを示した．有害事象症状における生活支障度（重症度）別分類手法の構築：がん治療における有害事象マネジメントは重要である．患者は生活に来した支障をブログに記述・発信することがあり，そこには診療時には表面化しない副作用のシグナルが含まれる可能性がある．本研究では，早急な治療介入を必要とする患者に焦点をあてるために，がん患者の有害事象症状を生活の支障度（重症度）別に抽出する分類器を3種の自然言語処理モデル（BERT, ELECTRA, T5）を用いたアプローチにより構築した．