脳卒中・心臓病のCircular Healthcare Systemに関する研究

DPCデータを用いた脳梗塞症例の縦断的データベース（664,101患者［842,432入院］）を構築し、DPCで収集する診療情報（患者背景、既往歴、入院中の治療、退院処方など）105項目を説明変数として、1・3・5年以内の脳梗塞再発予測モデルをLight GBMを用いて構築した。脳卒中の予後予測の古典的スコアとして、The Stroke Prognosis Instrument II(SPI-Ⅱ)やEssen Stroke risk score(ESRS)が報告されている。DPC縦断的データベースにおいて、SPI-IIは87.8％、ESRSは77.6％でスコアを算出し得ており、機械学習により構築した予測モデルと予測精度を比較した。Light GBMによる1・3・5年以内の再発予測モデルはAUCにてそれぞれ0.62、0.62、0.63であり、SPI-II（0.54、0.54、0.54）及びESRS（0.54、0.54、0.53）を上回った。DPCで取得可能な105項目のうち、SHAPを用いて予測モデルの構築上重要となった項目を絞り込み、年齢や性別、既往歴や退院時処方を含む16項目を用いても十分な予測精度が担保されていた（0.61,0.62,0.62）。国立循環器病研究センター内のデータベース(4,906患者[9,826入院]）には、放射線レポートや退院サマリーに含まれるテキストデータに自然言語処理（NLP）を介して、脳梗塞の重症度(NIHSS)、脳梗塞の病型（TOAST分類）や頭蓋内血管の狭窄/閉塞等の説明変数を追加した。1年以内の再発を予測する精度は、DPC単独（0.60±0.07）に比べ、NIHSS 11項目の追加（0.65±0.06）、NIHSS及びNLP 70項目の追加（0.67±0.07）により向上した。SHAP Valueを用いてNLP 70項目を評価し、脳梗塞の病型、頭蓋内血管の狭窄、深部白質病変、陳旧性脳梗塞、自覚症状に関わる20項目に絞っても十分な予測精度を有していた。（1/3/5年の再発：0.66/0.65/0.61）

DPCデータを用いた脳梗塞症例の縦断的データベース（664,101患者［842,432入院］）を構築し、DPCで収集する診療情報（患者背景、既往歴、入院中の治療、退院処方など）105項目を説明変数として、1・3・5年以内の脳梗塞再発予測モデルをLight GBMを用いて構築した。脳卒中の予後予測の古典的スコアとして、The Stroke Prognosis Instrument II(SPI-Ⅱ)やEssen Stroke risk score(ESRS)が報告されている。DPC縦断的データベースにおいて、SPI-IIは87.8％、ESRSは77.6％でスコアを算出し得ており、機械学習により構築した予測モデルと予測精度を比較した。Light GBMによる1・3・5年以内の再発予測モデルはAUCにてそれぞれ0.62、0.62、0.63であり、SPI-II（0.54、0.54、0.54）及びESRS（0.54、0.54、0.53）を上回った。DPCで取得可能な105項目のうち、SHAPを用いて予測モデルの構築上重要となった項目を絞り込み、年齢や性別、既往歴や退院時処方を含む16項目を用いても十分な予測精度が担保されていた（0.61,0.62,0.62）。国立循環器病研究センター内のデータベース(4,906患者[9,826入院]）には、放射線レポートや退院サマリーに含まれるテキストデータに自然言語処理（NLP）を介して、脳梗塞の重症度(NIHSS)、脳梗塞の病型（TOAST分類）や頭蓋内血管の狭窄/閉塞等の説明変数を追加した。1年以内の再発を予測する精度は、DPC単独（0.60±0.07）に比べ、NIHSS 11項目の追加（0.65±0.06）、NIHSS及びNLP 70項目の追加（0.67±0.07）により向上した。SHAP Valueを用いてNLP 70項目を評価し、脳梗塞の病型、頭蓋内血管の狭窄、深部白質病変、陳旧性脳梗塞、自覚症状に関わる20項目に絞っても十分な予測精度を有していた。（1/3/5年の再発：0.66/0.65/0.61）