Machine Learning-Supported Efficient VTE Risk Assessment using Routinely Collected Electronic Health Record Data

病院は、身体の防御機能がしばしば低下する場所です。手術や重篤な疾患で入院すると、血管内を流れる血液の自然な流れが遅くなったり、身体のストレス反応によって血液が固まりやすくなったりすることがあります。これらの血栓は静脈血栓塞栓症として知られ、足の血管で形成されて肺へと移動し、肺を塞ぐことがありますが、これは病院における予防可能な死亡原因の主要なものの一つです。これを防ぐために、医療ガイドラインは医師や看護師に対し、すべての成人患者に対して到着時のチェックを行うことを義務付けています。医療従者は、患者の既往歴、現在の状態、および可動性に関する一連の質問を含む特定のフォームに記入しなければなりません。その回答に基づき、医療チームは患者に弾性ストッキング、抗凝固薬、あるいはその両方が必要かどうかを判断します。このプロセスは、リスクが緊急事態になる前に捉えるためのセーフティネットとして機能することを目的としています。

しかし、これらのフォームへの記入は、人間がカルテを読み、患者の既往歴を記憶し、回答をコンピュータに入力するという手作業に依存しています。これにより、病院のコンピュータシステムがすでに把握している情報と、医師がフォームに書き込む情報の間にギャップが生じます。コンピュータには過去の手術や癌の診断記録があるかもしれませんが、もし医師がチェックリスト上でそれらの項目を手動で選択しなければ、システムはその患者を実際よりも低リスクとして扱ってしまいます。ロンドンの主要な5つの病院で行われたこの研究は、シンプルかつ極めて重要な問いを投げかけました。それは、「病院自身のコンピュータ記録を使って、これらの安全フォームの回答を自動的に埋めることで、医師の時間を節約し、リスク要因の見落としを防ぐことができるだろうか？」という問いです。

研究者たちは膨大なデータを調査し、10年間にわたる約58万件の入院データを精査しました。その結果、医師はフォームの記入において非常に優秀であり、ほぼ97%の患者に対してフォームを完成させていることが分かりましたが、タイミングには問題があることが判明しました。2015年には、これらのフォームの半分未満しか患者到着後の14時間以内に完了していませんでした。この14時間という窓口（ウィンドウ）は、ガイドラインが血栓予防のために極めて重要であるとしている時間です。2024年までに、その割合は90%以上に大幅に改善されましたが、特に外科的な理由ではなく内科的な理由で入院した患者において、遅延の問題は依然として残っていました。また、研究では、フォームが完成していたとしても、そこに記載された情報が、電子記録にすでに保存されている事実と一致しない場合があることも明らかになりました。

研究チームが、医師がフォームに記入した内容とコンピュータ記録に示されている内容を比較したところ、詳細を見落としているパターンが見つかりました。高齢（60歳以上）といった一般的な要因については、医師とコンピュータ記録の多くが一致していました。しかし、頻度は低いものの深刻なリスクについては、医師が書き漏らすことがよくありました。例えば、患者が集中治療室に入室した場合、コンピュータはその事実を把握していますが、医師がフォームにそれを記載するのはわずか14%の時間でした。同様に、家族に血栓の既歴がある場合、多くの患者についてコンピュータには記録されていたにもかかわらず、医師がフォームにそれを記載したのは、それらの患者のわずか5%程度でした。これは、最も重要な保護的治療を起動させるための手がかりとなるはずの事項が、安全フォームから欠落していることが多いことを意味していました。

この情報の欠落が実際に影響を与えるかどうかを確認するため、研究者たちは、フォーム上のリスクスコアが実際に血栓の発生を予測するかどうかを検証しました。その結果、フォーム上で高リスクとマークされた患者は、低リスクとマークされた患者よりも実際に血栓を発症する可能性が高いことが分かり、フォームが有用であることが証明されました。しかし、医師が抗凝固薬を投与していると記載していても、それが必ずしも薬剤部門の記録と一致しないことも分かりました。医師が薬を投与したと書いているのに、薬剤部門の記録には何も残っていないケースや、その逆のケースがありました。この不一致により、現在のシステムが患者をどの程度確実に守れているのかを正確に把握することが困難になっていました。

本研究の核心は、フォームを記入する際にコンピュータが医師の役割を果たせるかどうかを確認する実験でした。研究者たちは、電子健康記録を読み込み、リスク要因を自動的に選択する機械学習モデル（過去のデータから学習するソフトウェアの一種）を構築しました。彼らはこのシステムを一部の患者グループでテストし、その性能を実際に医師が記入したフォームと比較しました。コンピュータモデルは、入院後最初の14時間以内に利用可能な情報のみを使用して、血栓の発生を予測する能力において、医師と同等の性能を示しました。実際、コンピュータは医師が見出したものと同じ高リスク患者を特定できましたが、それは医師が紙のフォームへの記入時に見落としがちであった、システム内にすでに存在するデータを利用することで実現されました。

この研究は、病院の保有するデータ自体が、すべてを一から再入力することなく、これらの安全チェックをサポートするのに十分なほど豊かであることを示唆しています。コンピュータモデルは、臨床医と同じリスクパターンを見つけ出すことができ、場合によっては人間が見落としたリスク要因を見つけることもできました。研究者たちは、今後の最善の道は医師に取って代わることではなく、コンピュータに、すでに知っている情報をフォームに「事前入力（プリフィル）」させることであると結論付けました。そうすれば、医師は事前入力された回答を確認・承認し、新しい詳細を追加するだけで済みます。このアプローチは、医師の事務作業の時間を短縮し、重要なリスク要因の失念を防ぎ、病院が安全評価の厳格な14時間の期限を守る助けとなります。すでに存在するデータを活用することで、病院はセーフティネットをより強固で信頼できるものにし、適切な保護が適切な患者に、適切なタイミングで届くようにすることができるのです。