NLPとAI – 患者フィードバック解析についてのシステマティックレビュー

構造化されていないフリーテキストとして提出される患者フィードバックには、臨床的にも有用な情報が豊富に含まれている可能性がある。一方で、これを解析するには人的リソースが過分に必要となるため、自然言語処理(NLP)と機械学習による解析処理の自動化が模索されている。

英インペリアルカレッジロンドンの研究チームは、「フリーテキストの患者フィードバック解析にNLPを用いた先行研究群」をまとめたシステマティックレビューを明らかにしている。研究論文BMJ Health & Care Informaticsから、このほど公開された。チームは、2000年から2019年までの20年間においてこの種の先行研究を調査したところ、論文の選択基準を満たしたのは19報で、その大部分(80%)がソーシャルメディアサイトからの患者フィードバック解析であったという。また、ソーシャルメディアから抽出されたコメントの解析には教師なしアプローチが用いられ、構造化調査におけるフリーテキストコメントについては教師ありアプローチが用いられていた。また、最もパフォーマンスの高い分類器としては、サポートベクターマシンとナイーブベイズが同定されている。

研究チームは「教師あり・教師なしのいずれものアプローチが、データソースに応じた役割を持つこと、NLPとAIの組み合わせは、非構造化テキストデータの効率的な解析を通して実臨床を支援し得る」ことに言及している。

関連記事:

健康の社会的決定要因を抽出する自然言語処理アルゴリズム

電子カルテの自然言語処理で患者の社会的孤立を検出する取り組み

交通外傷の「防ぎえた死亡」の分析を補助するAI – 米国外科医学会臨床会議 2020

校内暴力のリスクを検出するAI – 米シンシナティ小児病院

前の記事SNSが健康の信念に与える感染力はCOVID-19よりも強い?
次の記事COVID-19ワクチンの安全性と忍容性をAIプラットフォームで評価
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、SBI大学院大学客員准教授、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。