Understanding Stigmatizing Language in Clinical Documentation: A Paired Comparison of Ambient AI Drafts and Clinician Finalized Notes

技術的要約：臨床文書におけるスティグマ化表現（Stigmatizing Language）の理解

問題提起
電子健康記録（EHR）の普及と、臨床医の負担軽減を目的としたアンビエント人工知能（AI）ドキュメンテーションツールの最近の台頭にもかかわらず、これらの技術がバイアスのある言語に与える影響は不明なままである。臨床ノートにおけるスティグマ化表現（SL）は、健康格差を永続させ、医療従事者のバイアスを強化し、患者の信頼を損なう可能性がある。既存の文献では、従来のドキュメンテーションにおけるSLの蔓延や、アンビエントAIによる運用効率の向上については記述されているが、アンビエントAIが患者と臨床医の会話を忠実かつ中立的に書き起こしているのか、あるいはその後の臨床医による編集プロセスが、EHRにSLが入り込む純粋な発生源として機能しているのかという点に関する理解には、決定的な空白が存在する。

方法論
本研究は、カリフォルニア大学アーバイン校（UC Irvine Health）の外来クリニックにおける66,297件の臨床ノートセクションを用いた、大規模な対照比較分析を実施した。データセットは、2つの商用アンビエントAIプラットフォーム（ベンダーAおよびベンダーB）によって生成されたテキストと、それに対応する臨床医による最終確定版のペアで構成されている。

• データ処理： 最終確定テキストが空であるセクションを除外し、最終的な解析サンプルを66,297件のペアセクションとした。
• スティグマ化表現の特定： 先行文献から収集された251語のドメイン特化型スティグマ用語辞書を利用した。研究では、SciSpaCyおよびNLTKを用いたルールベースの臨床自然言語処理（NLP）パイプラインを採用した。このパイプラインは、大文字・小文字を区別しないフレーズマッチングを実行し、形態学的変異を処理し、テキストのアサーション（断定）および文脈的分類を利用して、SLの言及を特定した。
• 統計分析： 研究では以下の項目を測定した：
  1. AIドラフトと最終確定ノートにおけるSLの有病率（出現率）。
  2. SLの密度（200語あたりの言及数）。
  3. SLの削除頻度（ドラフトには存在するが最終版には存在しない用語）および導入頻度（ドラフトには存在しないが最終版には存在する用語）。
  4. 存在/不在の非対称性を測定するためのMcNemar検定、および密度の変化を測定するためのWilcoxon符号付順位検定を用いたペア比較。

主な結果

• 有病率の増加： 少なくとも1つのスティグマ用語を含むノートセクションの割合は、AIドラフトの21.4%から、臨床医による最終確定ノートの24.0%へと増加した。
• バイアスの純導入： 統計分析により、臨床医によるSLの導入が削除よりも頻繁に発生するという有意な非対称性（P < 0.001）が明らかになった。具体的には、5,453セクション（8.2%）で新しいSL用語が導入された一方で、削除されたのは3,307セクション（初期SLを持つセクションの23.2%）のみであった。
• 用語の構成：
  • 削除された用語： 臨床医は「control（制御）」、「believes（信じる）」、「unsure（確信がない）」、「challenging（困難な）」といった用語を最も頻繁に削除した。
  • 導入された用語： 臨床医は「states（述べる）」、「apparently（どうやら～らしい）」、「control（制御）」、「declined（拒否した）」といった用語を最も頻繁に導入した。
  • 編集における非対称性： 最も頻繁に削除された用語と導入された用語の上位30語のうち22語は重複していたが、明確なパターンも現れた。排他的に削除された用語には、「drunk（酔った）」、「unpleasant（不快な）」、「skeptical（懐疑的な）」といった性格描写が含まれていた。対照的に、排他的に導入された用語には、「poor historian（病歴聴取困難者）」、「unreliable（信頼できない）」、「nonadherence（不遵守）」、「adamant（強硬な）」といった行動判断が含まれていた。
• セクションの分布： SLは主訴（HPI）およびアセスメント＆プラン（A&P）のセクションで最も多く見られた。ドラフトから最終版へのSL有病率の増加はこれらのセクションで最も顕著であり、臨床的解釈や判断が行われる領域が、スティグマが追加される主要な箇所であることを示唆している。
• 密度： SLを含むセクションの有病率は上昇したが、影響を受けたセクション内のSLの密度は比較的安定していた（200語あたり、ドラフトのメディアン0.98に対し最終版は0.99）。これは、編集が主にセクション内にSLが出現するかどうかに関わっており、単一のセクション内での用語の濃度を劇的に高めるものではないことを示している。

主な貢献

• 定量的ベースライン： 本研究は、アンビエントAIドラフトと臨床医による最終確定ノートにおけるスティグマ化表現の、初の規模の大きなペアによる定量的分析を提供するものである。
• 編集プロセスの再定義： 本研究の結果は、臨床医による編集が主にAIの誤りを修正するフィルターとして機能するという仮定に異を唱えるものである。データは、編集プロセス自体が、EHRに流入するスティグマ化表現の純粋な発生源となり得ることを示唆している。
• 粒度の高い用語分析： 削除される用語と導入される用語を区別することで、本研究は、明らかな性格描写から、より微妙な行動ベースの判断（例：「nonadherence」）への移行を浮き彫りにしている。

意義および主張
著者らは、本研究がアンビエントAIドキュメンテーション・パイプライン全体におけるスティグマ化表現を測定するための「定量的ブループリント（設計図）」を提供すると主張している。主な意義は、臨床医による編集が単にAIドラフトからSLを除去するだけでなく、新しいスティグマ用語を積極的に導入し、結果として初期のAIドラフトよりもバイアスの有病率が高い最終記録をもたらすという発見にある。

論文は、アンビエントAIツールは効率性の向上をもたらす一方で、その展開には「ヒューマン・イン・ザ・ループ（人間が介在するプロセス）」である編集過程の注意深い監視が必要であると控えめに結論付けている。著者らは、本研究の限界として、単一の医療システムおよび外来設定に限定されていること、および患者のデモグラフィック属性や特定のAIベンダーによる層別化を行っていないことを挙げている。彼らは、デジタルヘルスレコードにおけるスティグマを効果的に軽減するためには、今後の研究において、音声から最終的なノートまでのSLの由来を追跡し、これらのパターンがワークフローの規範、モデルの挙動、あるいは特定の臨床医の慣行を反映しているのかを調査する必要があると提言している。