技術要約：重症度に基づいた知識グラフと検索拡張生成による、軌跡を考慮した臨床リスク予測

問題提起

死亡率および再入院の予測に特化した臨床リスク予測は、電子健康記録（EHR）に大きく依存しています。しかし、既存の手法は、現実世界のシナリオにおいて以下の3つの決定的な限界に直面しています。

1. データの希薄性と不規則性： ほとんどの患者は限られた受診履歴（多くの場合5回未満）を持ち、時間間隔も不均一です。標準的な逐次モデルは、このような希薄な条件下で、意味のある時間的動態を捉えたり、重要な転換点を特定したりすることに苦慮します。
2. 医学的概念の一律な扱い： 既存の知識グラフ（KG）アプローチは、通常、すべての診断を等しく扱っており、異なる疾患の臨床的な重症度の違いを無視しています。これにより、「レッドフラッグ（警告サイン）」となるイベントや高リスクな疾患の進行を捉えることができず、重要な診断が重要度の低いものと区別されません。
3. 非構造化データの活用不足： 医師の評価、疑われる合併症、治療への反応など、臨床ノートに含まれる豊かで微細な情報は、多くの場合、構造化されたコードへと簡略化または破棄されており、早期警告サインとなる重要な記述的エビデンスが失われています。
4. コホート・コンテキストの欠如： 単一の患者の希薄な履歴のみに依存することは、歴史的に類似した患者コホートに埋め込まれた臨床経験を活用できないことを意味します。

手法：TRACERフレームワーク

著者らは、以下の3つのコアステージを通じてこれらの限界に対処するために設計された、検索拡張生成（RAG）システムであるTRACER（Trajectory-Aware and Clinically Grounded prediction framework）を提案しています。

1. 重症度加重型医学知識グラフ（SMKG）の構築

診断の一律な扱いに対処するため、TRACERは新しい**重症度に基づいた医学知識グラフ（SMKG）**を構築します。

• 統合： 既存の医学知識グラフ（UMLSなど）、PubMedのアブストラクト、およびWikipediaの要約を統合します。
• 重症度スコアリング： LLMが、検索された医学文献および臨床ガイドラインに基づき、各診断ノードに対して微細な重症度スコア（1〜20）を割り当てます。このスコアは臨床的な重症度を反映し、高リスクな状態と偶発的な事象を区別します。
• 重み付け： 診断ノードにはこれらの重症度スコアが割り当てられる一方、その他のノード（処置、薬剤など）には0の重みが割り当てられ、グラフが疾患の重症度を優先するようにします。

2. 患者医学プロファイル（PMP）の検索

データの希薄性を緩和するため、TRACERはターゲットとなる患者の希薄なEHRを、以下の構造化および非構造化医学プロファイルによって拡張します。

• 重症度を考慮した軌跡の検索： 受診を孤立した点として扱うのではなく、システムは健康の進化をSMKG内における「パス（経路）」としてモデル化します。これにより、連続する受診間の概念を繋ぐ**主要支援軌跡（KSTs）**を検索します。
  • デュアルクエリ戦略： 「リスク因子」（例：進行性の臓器不全）と「保護因子」（例：治療への反応、安定性）の両方に対してデュアル検索を実行します。
  • スコアリング： 軌跡は、クエリに対する意味的な関連性と、その集計された重症度に基づいてスコアリングされます。
  • 精緻化： 最大限周辺適合性（MMR）アルゴリズムと自然言語推論（NLI）に基づく停止基準を使用して、冗長性を排除し、選択された軌跡が多様で、関連性があり、臨床的に支持的であることを保証します。
• 臨床ノートの検索： 主観的な評価や微細な手がかりを捉えるために、リスクおよび保護に関する同一のクエリを用いて、非構造化臨床ノート（経過記録、退院サマリー）から関連する一節を検索します。
• 類似患者の検索： 広範なシーケンス埋め込みではなく、直近の受診におけるJaccard類似度（直近の受診における医学的概念の重複）に基づいて、上位$m$名の類似患者を検索します。これにより、コホートレベルのコンテキストとアウトカムのパターンを提供します。

3. 検索拡張型臨床リスク予測

最終段階では、LLM（実験では具体的にGPT-4o-mini）を用いて予測を生成します。

• プロンプト構成： プロンプトには、タスクの説明、ターゲット患者のデモグラフィック、検索されたKSTs（関連性を優先して再パックされたもの）、臨床ノートの一節、および類似患者のコンテキストが統合されます。
• 推論： LLMは、リスクと保護のシグナルを比較検討し、類似コホートと比較した上で、バイナリ予測（死亡：0/1、再入院：0/1）を出力するようにステップ・バイ・ステップの推論プロセスを通じて誘導されます。
• リパッキング戦略： 長文脈LLMにおける「Lost-in-the-middle（中間情報の喪失）」問題を軽減するため、システムは検索されたエビデンスを動的にリパックし、最も関連性の高い軌跡やノートをタスク説明の近くに配置します。

主な貢献

1. 重症度に基づいたKG（SMKG）： 診断ノードに文献由来の微細な重症度スコアを割り当てる医学KGを提案し、モデルが決定的な臨床シグナルを区別できるようにしました。
2. 軌跡を考慮した拡張： 重症度を考慮した進行パス（KSTs）と臨床的に類似した患者ケースを用いて患者データを拡張することで、データ希薄性に対処し、限られた履歴であっても疾患の進行について推論することを可能にしました。
3. 微細なテキストエビデンス： 構造化されたコードでは見落とされがちなレッドフラッグ事象や個人的な経験を捉えるため、顕著な非構造化臨床ノートを統合しました。
4. 解釈性とパフォーマンス： フレームワークは、予測に対してパスレベルの臨床に基づいた説明を提供すると同時に、標準的なベンチマークにおいて最先端の性能を達成しました。

実験結果

実験は、死亡率および15日以内の再入院予測タスクについて、MIMIC-IIIおよびMIMIC-IVデータセットを用いて行われました。

• 性能向上： TRACERは、既存の最先端のベースライン（GraphCare、KARE、DearLLMを含む）を大幅に上回りました。
  • 死亡率予測（MIMIC-III）： 最良のベースラインであるKAREと比較して、Macro F1および感度（Sensitivity）において28.5%の向上を達成しました。
  • 再入院予測（MIMIC-III）： 19.7%のMacro F1向上を達成しました。
  • MIMIC-IVの結果： 一貫した改善が見られ、TRACERは両方のタスクにおいて最高のMacro F1と感度を記録しました。
• アブレーション研究：
  • 重症度に基づく設定を除去した場合（"w/o Sev."）、感度が大幅に低下（0.7128から0.4950へ）し、重症度を考慮した検索の重要性が確認されました。
  • 軌跡の検索を除去した場合（"w/o Traj."）、死亡率予測におけるMacro F1が最大の低下を示しました。
  • 臨床ノートおよび類似患者のエビデンスを除去すると、再入院予測に大きな影響を与え、非構造化テキストとコホート・コンテキストの価値が浮き彫りになりました。
• 効率性： TRACERは、反復的なマルチホップ・サブグラフ拡張と比較して、軌跡検索の効率性により、KAREよりも約33%速い推論時間を示しました。
• 堅牢性： フレームワークは、異なるLLMバックボーン（LLaMA2やQwenなどのオープンソースモデルを含む）および異なる知識スナップショットに対して堅牢性を示しました。

意義と主張

本論文は、TRACERが単なる漸進的なモデルの改良を超えた、実質的な手法上の進歩であることを主張しています。その意義は以下の通りです。

• 現実世界の希薄性への対処： 重症度を加重した軌跡と類似患者コホートを活用することで、モデルは、ほとんどの患者が5回未満の受診しか持たないという、現実世界の極端に希薄なEHRデータを効果的に処理できます。
• 臨床的根拠（Clinical Grounding）： 医学文献から導出された重症度スコアの統合により、モデルはすべての診断を等しく扱う手法よりも、臨床的な推論により近い形で高リスクな臨床シグナルを優先することができます。
• 解釈性： 「ブラックボックス」的なディープラーニングモデルとは異なり、TRACERは検索されたエビデンスに基づく透明性の高いパスレベルの説明を提供し、臨床意思決定支援システムへの信頼を高めます。
• バランスの取れた性能： フレームワークは、臨床現場において（見逃しと不要な介入の両方を避けるために）極めて重要となる、感度（真陽性の特定）と特異度のバランスを成功裏に維持しています。

著者らは、因果的な進行を捉え、ハイブリッドな検索拡張設計を通じて高リスク信号を増幅することが、医学的履歴を平坦化したり構造化データのみに依存したりすることよりも、より効果的なリスク層別化につながると結論付けています。