虫垂炎のフリーテキスト予測アルゴリズム

医師が自由に入力したテキスト入力から、虫垂炎の診断に強力な予測力を持つ機械学習モデルを開発することで、医師の診断精度を向上させることができます。 また、予測アルゴリズムを使用してルーチンの臨床ケアを改善する可能性も提供します。 将来的には、複数の機械学習モデルを組み合わせて予測精度を高め、予測アルゴリズムを他の診断に拡張することができます。

10 年間にわたる 18,000 件の救急部門のプレゼンテーションが、トレーニングおよび検証データセットとして使用されました。 虫垂炎予測モデルを開発するために、カスタマイズされた医療オントロジーを備えたディープ ラーニング ニューラル ネットワークが使用されました。 モデルの診断精度は、感度 (再現率)、特異度、および F1 スコア (調和平均) として表されます。 開発された診断予測モデルは、腹痛を呈する患者の虫垂炎の診断において、高い感度 (86.3%)、特異度 (91.9%)、および F1 スコア (88.8) を示しています。

予測モデル アルゴリズムは、フリー テキスト (主治医によって入力されたもの) 内の単語も強調表示し、結果を予測する確率が高くなるように割り当てます。 医師は、臨床症状および利用可能な実験室調査に基づいて、虫垂炎の可能性をパーセンテージで提供するように指示されます。 医師には、アルゴリズムの予測と、入力された患者の強調表示された単語が表示されます。 次に、アルゴリズムによって生成された予測を見た後、虫垂炎の可能性の別の予測を提供する必要があります。

目的は、アルゴリズムのパフォーマンスを評価し、アルゴリズムの使用が救急医による虫垂炎の診断の改善に役立つかどうかを評価することです。 予測結果は、アルゴリズムの精度、アルゴリズム入力前の医師、およびアルゴリズム入力を受け取った後の医師を評価するために集計されます。 精度は、感度、特異度、精度、陽性予測値、F1 スコア、および F0.5 スコアとして表されます。

研究の参加者として、1年間で約100人の救急医が募集されます。 医師は、アルゴリズム群とアルゴリズムなし群の 2 つのグループにランダムに割り当てられます。 ランダム化は、4 と 6 の可変ブロックのランダム化を使用して、時間 (毎週) で行われます。 患者は最終的な退院診断のためにフォローアップされます。