InfEHR：電子カルテに対する深層幾何学学習による臨床表現型の解像

概要

InfEHRはEHR全体を時間グラフへ変換し、最小限のラベルで臨床確率を推定する深層幾何学学習により、培養陰性新生児敗血症と術後AKIで医師のヒューリスティクスを上回る感度を示しつつ高い特異度を維持した。スケーラブルかつラベル効率の高い敗血症表現型推定を実証した。

主要発見

• EHRの時間グラフ表現により、少量ラベルで高性能の確率推論が可能となった。
• 培養陰性新生児敗血症（感度0.60 vs 0.04）と術後AKI（0.71 vs 0.20）で感度が大幅改善し、特異度も維持された。
• 2施設のデータで医師ヒューリスティクスを上回り、スケーラビリティを示した。

臨床的意義

InfEHR様のツールを導入することで、培養陰性新生児敗血症や術後AKIを早期に警告し、広範な手動ラベリングなしで診断・予防介入のタイミング最適化が可能となる。

限界

• 厳密なコホート規模や前向きな臨床影響（治療開始までの時間短縮など）は記載がない。
• 医師ヒューリスティクス以外の機械学習ベースラインとの包括的比較が示されていない。

今後の方向性

InfEHRアラートが転帰を改善するかの前向き介入試験、説明性と臨床ワークフローの統合、他疾患・他医療機関での外部検証の拡大が必要。