📄 医学

Validating Acute Coronary Syndrome ICD Codes as Training Labels for Clinical AI

約62万件の救急外来受診を対象としたこの10年間の回顧的研究は、ICDコード化された急性冠症候群のラベルが高い感度と特異度を示す一方で、その中程度の陽性的中率は、主に後に否定された疑い例やコーダーによる記載漏れといった系統的かつ解釈可能なエラーによって引き起こされていることを検証しており、診断の見落としが過剰特定よりも重大となるAIスクリーニングモデルの学習ラベルとして、それらが適していることを示している。

原著者： Daniel K. Amponsah, Gabrielle Bunney, Kate Miller, Ariadna Garcia, Anna Graber-Naidich, Keejeong Ryu, Himani Darji, Marilyn Ndukwe, Valerie J.F. McDonald, William M. Mehring, Jada Henderson, David Lei

公開日 2026-10-19

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Daniel K. Amponsah, Gabrielle Bunney, Kate Miller, Ariadna Garcia, Anna Graber-Naidich, Keejeong Ryu, Himani Darji, Marilyn Ndukwe, Valerie J.F. McDonald, William M. Mehring, Jada Henderson, David Lei, Marium Rizvi, Adenine Cembellin-Kao, Sylvia D. Kreibig, Celina M. Yong, William F. Fearon, Maame Yaa A.B. Yiadom

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

救急外来において、時間は最も重要なリソースです。胸痛を訴える患者が到着した際、医師は、心臓への血流が遮断される生命を脅かす状態である急性冠症候群に苦しんでいるのかどうかを、迅速に判断しなければなりません。この診断を見逃すことは致命的になり得ますが、ドアをくぐるすべての人に対して一連の心臓検査を行うことは不可能です。これを解決するために、病院はますます人工知能を活用するようになっています。これらのコンピュータプログラムは、何百万もの過去の診療記録を学習することで、人間の目では見落としてしまう可能性のあるパターンを探り出し、危険を察知する方法を学びます。しかし、コンピュータが正しく学習するためには、真実を知る「教師」が必要です。医療データの世界において、その教師となるのが、多くの場合「請求コード」です。これは、保険や病院の会計処理のために、患者の受診に対して割り当てられる短く標準化されたラベルです。研究者が直面している大きな疑問は、これらの管理用ラベルが、機械に命を救う方法を教えるのに十分なほど正確なのか、それとも信頼するにはあまりにも多くの誤りを含んでいるのか、という点です。

スタンフォード大学の研究チームは、10年間の救急外来の受診状況を調査することで、この問いに答えるべく取り組みました。彼らは2015年から2024年までの成人患者による約62万件の診療記録を精査し、割り当てられた請求コードを、実際に診療にあたった医療チームが記した最終診断と比較しました。研究者たちは、コンピュータが読み取れるコードが、人間の医師による結論と一致しているかどうかを確認しようとしたのです。その結果、請求コードは本来の目的において極めて信頼性が高いことが分かりました。コードが患者に心疾患があると示した場合、医師はその診断を100件中94件の割合で裏付けていました。さらに重要なことに、コードが真の症例を見逃すことはほとんどありませんでした。確認された心疾患を持つ患者を見逃したケースは、1万件の受診につきわずか4件でした。これは、このシステムが、助けを必要としている人々を捉えることにおいて非常に優れていることを意味しており、スクリーニングツールとして最も重要な目標です。

この研究は、コードが完璧ではないことも明らかにしましたが、そのエラーはランダムな間違いではなく、明確で理解可能なパターンに従っていました。コードが間違っていた場合、それは通常、心臓発作が疑われたものの、後に医師によって除外された患者をフラグ立てしてしまったケースでした。これらのケースでは、心筋の炎症やストレスによる心疾患など、心臓発作に非常によく似た症状があり、医療チームが最も危険な可能性を排除するために時間を費やしていました。危険をスクリーニングするために設計された人工知能の観点からすれば、これらは失敗ではありません。これらの患者をフラグ立てするシステムは、たとえ安全だと判明した人がより詳細な検査を受けることになったとしても、心臓の危機を抱える可能性のある人が見過ごされないことを保証します。システムが本物の心臓発作を見逃した数少ないケースは、診断が不明確だったからではなく、単に医療コーダーが医師のノートを見落としたことによるものでした。

これらの知見は、人工知能を訓練するために請求コードを使用することが、救急外来において妥当な戦略であることを示唆しています。コンピュータは、たとえ結果的に深刻ではないことが判明したケースも含め、心臓トラブルの広範かつ緊急性の高いパターンを認識することを学びます。なぜなら、安全な人に対して追加の検査を行うコストよりも、本物の心臓発作を見逃すコストの方がはるかに高いからです。研究者たちは、データ内のエラーは体系的かつ予測可能であり、モデルを構築する際にそれらを考慮に入れることができると確認しました。これらのコードに頼ることで、病院は高度に敏感なセーフティネットとして機能するツールを開発でき、最も重大な患者が到着直後に特定されることを確実にできます。本研究は、単一のデータポイントに欠陥がないとしても、これらのコードの集団的な正確さは、次世代の命を救う医療技術を支えるのに十分であると結論付けています。

技術要約：臨床AIの学習ラベルとしての急性冠症候群（ACS）ICDコードの妥当性検証

問題提起
救急部門（ED）における急性冠症候群（ACS）のスクリーニングを支援するために設計された人工知能（AI）モデルは、その学習のために構造化された電子健康記録（EHR）データに大きく依存している。国際疾病分類（ICD）コードは、このような遡及的データセットにおいて最もアクセス可能で大規模なラベルソースである。しかし、ICDコードは主に診療後にコーダーによって割り当てられる事務的なツールであり、臨床的な診断そのものではない。現代のED患者層において、臨床的な真実のプロキシ（代理指標）としてのICDコードの正確性は依然として不透明である。ACSのスクリーニングという文脈では、診断を見逃すこと（偽陰性）が高い罹患率および死亡率のリスクを伴うため、学習ラベルとしてのICDコードの妥当性は極めて重要である。これまでの妥当性検証研究は、主に院内レジストリや非米国圏の集団に焦点を当てており、米国のED環境におけるACS ICDコードの性能や、コーディングと臨床文書との間の具体的な相違の性質についての理解には空白がある。

方法論
著者らは、カリフォルニア州スタンフォードにある三次教育病院において、10年間の遡及的コホート研究（2015年1月1日～2024年12月31日）を実施した。

コホート： 本研究では、外傷および脳卒中による起動を除いた、成人ED受診者619,599件を分析した。
参照標準： 「グラウンドトゥルース（正解）」は、病態生理学的な真実の独立した判定ではなく、担当診療チームによって文書化された最終診断（EDのノート、経過記録、コンサルト、退院サマリーのレビューを含む）と定義された。この実用的なアプローチは、AIモデルが文書化された診断に基づいて学習するという現実と一致している。
ラベル定義： ICDベースのACSは、最初の10個の最終入院診断に含まれる、STEMI、NSTEMI、または不安定狭心症（UA）に関する特定のICD-9-CMまたはICD-10-CMコードの存在によって定義された。
チャートレビュー戦略：
- ACSのICDコードを持つすべての受診件数（ $n=5,961$ ）をレビューした。
- 偽陰性を捉えるために、ACSコードを持たない受診件数に対する濃縮戦略を採用した。具体的には、冠動脈疾患（CAD）のICDコードと異常トロポニン値の両方を有する受診件数もレビュー対象とした（ $n=510$ ）。
- 残りの613,128件は非ACSとして扱った。
レビュープロセス： ICD分類を知らされていない、臨床経験豊富な9名のレビュアーがチャートレビューを行った。不一致が生じたケース（ICDとチャートレビューが一致しなかった場合）については、不一致の理由を特定するために、2つの独立したチームによる多段階の二次レビューおよび専門家による裁定が行われた。
指標： ICDコードをチャートレビューによる参照標準と比較し、感度、特異度、陽性的中率（PPV）、およびCohenのκ係数を算出した。

主な結果

一致統計量： チャートレビューによる参照標準に対し、ICDコードは以下の性能を示した：
- 感度： 94.4% (95% CI: 93.7%–95.0%)
- 特異度： 99.73% (95% CI: 99.72%–99.74%)
- 陽性的中率（PPV）： 72.4% (95% CI: 71.2%–73.5%)
- Cohenのκ係数： 0.82
不一致率： 全受診件数のうち、不一致が発生したのはわずか0.31%であった。
- 偽陽性（ICDあり / チャートなし）： 1,647件（総数の0.27%）。
- 偽陰性（ICDなし / チャートあり）： 257件（総数の0.04%）。
エラーの分析：
- 偽陽性： 主な要因（80.3%）は、受診時にはACSが疑われたものの、後に否定されたケース（例：心膜炎やストレス性心筋症などの臨床的な模倣疾患、あるいは入院評価後に修正された初期ED診断）であった。これらは恣意的なコーディングミスではなく、臨床的にACSの評価を必要とした患者を表していた。
- 偽陰性： 主な要因（86.0%）は、臨床的な不一致ではなく、文書化されたACSのコーダーによる記載漏れであった。
デモグラフィックス： チャートレビューされたコホートは、濃縮基準と一致して、一般のED人口と比較して高齢（平均年齢69.3歳 vs 50.9歳）であり、Medicare保険の割合が高かった。

意義および主張
本論文は、臨床的な目標が「診断の見逃しを最小限にすること（高感度）」であり、「特異度を最大化すること」ではない場合、ACSのICDコードはED患者をスクリーニングするためのAIモデルの学習ラベルとして適していると主張している。

系統的誤差 vs 偶然誤差： 著者らは、ラベルのエラーはランダムではなく、系統的かつ解釈可能であると結論付けている。主要なエラーパターン（評価を必要とした患者を表す偽陽性）は、これらのラベルがスクリーニングモデルにとって有用であることを裏付けており、そのようなモデルは、これらの「ACSに隣接する」症例に対してさらなる精査（例：心電図）を促すべきである。
臨床的文脈： 低い偽陰性率（0.04%）は、ICDベースのラベリングによって真の症例が逃される割合が非常に低いこと（この施設では年間約26件）を示唆しており、早期警告システムの開発におけるこれらのコードの使用を支持している。
限界と範囲： 著者らは、本研究が単一施設によるものであること、および参照標準が病態生理学的な真実ではなく、診療チームの文書であることを認めている。また、濃縮戦略により、不安定狭心症（トロポニン値が異常にならない疾患）が過小評価されている可能性があり、偽陰性率を過小評価している可能性があるとも指摘している。さらに、本研究はICD-9からICD-10への移行期および高感度トロポニン測定法の導入期を跨いでおり、結果はコーディングと診断の混合した時代を反映している。

要約すると、著者らは、ICDコードが事務的な性質を持っているにもかかわらず、その高い感度と、エラーが臨床的に情報価値のある特定の形態をとっていることから、EDにおけるACSスクリーニングを目的とした臨床AIモデルの学習のための、妥当かつ実用的な基盤であると主張している。

関連論文