Machine Learning Estimation of Gestational Age at Delivery Using Linked Mother-Infant Electronic Health Records Across Two Health Systems

本研究は、母子のリンクされた電子健康記録を用いて訓練された教師あり機械学習モデルが、異なる医療システム間で分娩時の妊娠週数を正確かつ汎用的に推定できることを示しており、大規模な母児保健研究を支援する堅牢な枠組みを提供する。

要約

妊娠期間が正確にどれくらい続いたかを、患者の医療記録を眺めるだけで推測しようとしている状況を想像してみてください。時には、出産予定日の具体的な日付が記録から欠落していたり、メモが乱雑で読み取りにくかったりすることがあります。これは、薬が赤ちゃんに与える影響を研究しようとする研究者にとって大きな問題です。なぜなら、タイミングを誤ると、研究全体が欠陥を持つ可能性があるからです。

この論文は、公式記録が欠落している場合や不明確な場合でも、妊娠期間（妊娠週数）を特定できる「賢いデジタル探偵」を構築することについて述べています。

以下に、研究者がどのように行ったかを簡単に説明します。

1. 訓練の場：2 つの巨大な図書館

研究者は単一の病院の記録だけを見たのではなく、2 つの巨大な医療記録の図書館を利用しました。

• ナッシュビルのバンダービルト大学医療センター（VUMC）
• アナーバーのミシガン大学（UMich）

これらを 2 つの異なる「トレーニングジム」と考えてください。彼らはこれらのジムから数百万件もの母子の記録を取り出し、コンピュータプログラムにパターンを見つける方法を教えました。

2. 探偵の道具箱：どのような手がかりを使いましたか？

コンピュータプログラム（機械学習モデル）は単に推測したわけではありません。探偵がパズルのピースを組み合わせるように、記録内の特定の手がかりを探しました。彼らはどのツールキットが最も効果的かを確認するために、3 つの異なる「ツールキット」をテストしました。

• ツールキット A（母親のみ）： 母親の履歴（年齢、人種、過去の妊娠歴）のみを参照しました。
• ツールキット B（母親＋病院の記録）： 一般的な病院データ（医療状態の略語ラベルである ICD コードなど）を追加しました。
• ツールキット C（フルパッケージ）： 赤ちゃんのデータも追加しました。これには、出生体重、出生直後の健康チェックである「アプガースコア」、および赤ちゃん自身の医療ラベルが含まれます。

比喩： ケーキがどれくらい焼かれていたかを推測しようとしている状況を想像してください。

• ツールキット A は、焼き手の経験だけに基づいて推測することに相当します。
• ツールキット B は、レシピカードを見ることに相当します。
• ツールキット C は、焼き手、レシピ、そして完成したケーキのサイズと質感のすべてを見ることに相当します。驚くべきことに、フルパッケージ（ツールキット C）が最も正確でした。

3. 「賢い推測」と「平均的な推測」

高度な AI を使用する前に、研究者は単純な方法、つまり全員に対して妊娠期間の平均を推測するという試みを行いました。

• 結果： 単純な平均値はしばしば大きく外れており、サイズに関係なくすべてのケーキが正確に 45 分かかると思い込むようなものでした。
• AI の結果： 機械学習モデルははるかに鋭敏でした。真の日付から1 週間以内に妊娠期間を予測できたのは、約**85% から 93%**のケースでした。2 週間以内であれば、**94% から 98%**のケースで正解でした。

4. 「都市間」テスト

彼らの探偵がナッシュビルの図書館を単に暗記しているだけではないことを確認するために、同じルールをミシガンの図書館に適用しました。

• 結果： それは同様に機能し、実際にはミシガン州でさらに良いパフォーマンスを発揮しました。これは、その「探偵」が単なる地域専門家ではなく、異なる病院でも機能する一般専門家であることを証明しています。

5. 探偵がつまずく場所

この論文は、システムがまだ完璧ではない点を正直に指摘しています。

• 早産児： このシステムは、満期に生まれた赤ちゃん（「適切な」時期に生まれた赤ちゃん）の妊娠期間を推測するのが得意です。しかし、非常に早く生まれた赤ちゃん（早産児）については、少し苦労します。これは、探偵が標準的な事件の解決は得意ですが、稀で複雑な謎には混乱してしまうようなものです。
• 古いデータ： システムは近年の記録でより良いパフォーマンスを発揮しました。これは、古い記録（2015 年以前のもの）が異なるコーディングシステムを使用していたか、より精密な超音波技術がなかったため、手がかりを読み取りにくかったからかもしれません。

結論

この論文は、医療記録から欠落している妊娠日付を埋めることができる、信頼性が高く携帯可能な「計算機」が現在手元にあると結論付けています。母親の履歴、病院の記録、そして赤ちゃんの詳細を組み合わせて使用することで、このツールは以前よりもはるかに高い精度で妊娠の安全性を研究するのを研究者に支援できます。

重要な注意点： 著者は特に、これは研究における欠落データの修正のためのツールであると明言しています。彼らは、このツールが現在、病院環境で個々の患者に対する即座の臨床判断を行うために医師によって使用されるべきであると主張しているわけではありません。これは、科学者が母体と赤ちゃんの健康についてより多くを学べるように、データを整備するための方法です。

技術概要

技術概要：リンクされた母子電子健康記録を用いた分娩時妊娠週数の機械学習による推定

問題定義
妊娠週数（GA）の正確な推定は、妊娠および子孫の健康に関する研究、特に曝露期間の定義と胎児の感受性の評価が正確な妊娠日数に依存する薬物疫学研究において極めて重要である。しかし、医療提供者の入力ミス、超音波検査の記録欠如、システムインフラの制限などにより、電子健康記録（EHR）および行政請求データベースでは、GA データの欠落、不完全、または誤りが頻繁に発生する。これらの不正確さは、薬物曝露の誤分類を引き起こし、バイアスを導入して研究の妥当性を損なう可能性がある。先行研究は行政請求データを用いた GA 推定に焦点を当ててきたが、EHR システムで利用可能な、より豊富でリンクされた母子データを活用して、推定精度と多様な医療環境における一般化可能性を向上させる必要がある。

方法論
この後ろ向きコホート研究では、ヴァンダービルト大学医療センター（VUMC、2005–2025 年）およびミシガン大学（UMich、2012–2024 年）の 2 つの学術医療システムから得られたリンクされた母子 EHR データを用いて、分娩時妊娠週数を推定する教師あり機械学習アルゴリズムを開発・検証した。

• データソースとコホート: 本研究では、VUMC の Research Derivative および UMich の EHR データベースを利用した。初期コホートには、VUMC で 91,471 組、UMich で 55,733 組の母子ペアが含まれていた。除外基準（母親 1 人につき 1 人の乳児を保持、生存出生以外の除外、十分な産前ケアの要件）を適用した後、最終的な解析コホートは VUMC で 54,344 組、UMich で 34,345 組となった。
• 参照基準: 分娩時に母体記録に記録された臨床的妊娠週数（CGA）推定値を基準（グランドトゥルース）とした。これらのテキストパターン（例：「39 週 2/7」）は数値の日数に解析された。
• 予測変数: 特徴量は以下の 3 つのソースから導出された：
  1. 母体記録: 人口統計学的データ（年齢、人種・民族）、早産・正産・過期産、胎児発育制限、および胎児過成長の ICD コード。
  2. EHR システムデータ: 標準的な受診情報および ICD コードの頻度（別々の日または受診としてエンコード）。
  3. 乳児記録: 出生体重、1 分および 5 分の APGAR スコア、乳児固有の ICD コード（早産、低出生体重児、巨大児）。
     出生体重および APGAR スコアの欠損値は中央値で補完された。
• モデル構成: 異なるデータ環境における性能を評価するため、3 つの構成がテストされた：
  • C1（母体）: 母体予測変数のみ。
  • C2（母体 + EHR）: 母体 + 標準 EHR 特徴量。
  • C3（母体 + EHR + 小児）: 利用可能なすべての予測変数、乳児記録を含む（リンクされたデータ環境を表す）。
• アルゴリズム: ランダムフォレスト（RF）、勾配ブースティング（GB）、および RF と GB の予測を平均化するアンサンブルモデルが訓練された。ハイパーパラメータは 5 分割交差検証を通じて最適化された。CGA の左に歪んだ分布に対処するため、量子変換が適用された。
• 評価: 性能は、参照基準から±1 週間および±2 週間以内の予測の割合、および平均絶対誤差（MAE）を用いて、保持されたテストセットで評価された。95% 信頼区間の計算にはブートストラップ法（1,000 回の再サンプリング）が使用された。

主要な結果

• 全体的な性能: アンサンブルモデルが最高精度を達成した。VUMC テストセットでは、妊娠の 85.2% で±1 週間以内、94.3% で±2 週間以内に GA を予測し、MAE は 4.4 日であった。UMich テストセットでは、性能は±1 週間で 93.1%、±2 週間で 97.8% に向上し、MAE は 2.8 日であった。
• ベースラインとの比較: 機械学習モデルは、単純な平均および中央値のベースラインを大幅に上回った。例えば、VUMC テストセットでは、ML モデルは平均ベースライン（12.3 日）と比較して MAE を 6.8 日から 7.9 日改善した。
• 予測変数の影響: 性能は、データソースが増加するにつれて一貫して向上した（C1 < C2 < C3）。乳児固有のデータ（出生体重、APGAR、小児 ICD コード）の組み込みが、精度向上に最も大きな寄与をした。
• 時間的および層別分析:
  • ICD 移行: 2015 年 10 月 1 日以降に分娩された妊娠（ICD-10-CM 時代）の方が、ICD-9-CM 時代よりもモデルの性能が良好であった。
  • 分娩状態: モデルは正産および後期正産の分娩で最も良好に機能した。早産分娩では性能が著しく低かった。
  • 一般化可能性: VUMC データで訓練され、UMich データで再現されたモデルは、高い移植性を示し、UMich での再現は参照基準との一致がさらに高かった。

意義と主張
著者らは、この研究がリンクされた母子 EHR を用いた分娩時妊娠週数推定の堅牢で一般化可能な機械学習フレームワークを提示すると主張している。主な意義は以下の点にある：

1. リンクされたデータの活用: 母体記録と乳児記録を組み合わせる（C3 構成）ことが、母体データまたは行政データのみを依存するモデルを大幅に上回ることを実証している。
2. 移植性と再現性: 異なるデータ履歴および患者人口統計を持つ 2 つの異なる医療システムでモデリングパイプラインを成功裡に再現し、学習された関連性がサイト固有のものではなく、広範に一般化可能であることを示唆している。
3. 研究への有用性: GA データが欠落または無効である大規模な実世界臨床研究において GA を補完する信頼性の高いツールを提供し、薬物疫学研究および周産期研究におけるバイアスを低減する。

本論文は、早産分娩における性能の最適化されていない点、および現在のモデルの範囲から死産や中絶などの生存出生以外の転帰を除外している点などの限界を認めている。著者らは、フレームワークが堅牢である一方で、早産推定における性能ギャップに対処し、健康格差に関する潜在的なバイアスを評価するために、今後の研究が必要であると強調している。