[2I1-GS-2] 機械学習: ランダムフォレスト

[2I1-GS-2-04] 機械学習による退院時要約からのDPC分類の推測

〇木村 知広¹、津本 周作²、平野 章二² (1. 島根大学医学部医療サービス課、2. 島根大学医学部医学科医療情報学講座)

キーワード：テキストマイニング、ランダムフォレスト、ディープラーニング、退院時要約

【目的】
退院時要約及び関連する診療情報にテキスト処理と機械学習の手法を適用，各症例のDPCを推定するシステムを開発する。システムによって正確な推定が行われれば，推定と実際のDPCとに相違がある場合に絞り，DPCコーディングに問題があるかを充分な時間で検討することが可能となる。
【方法】
抽出した退院時要約でキーワードの分割表を作成。次いで，対応分析を行い，各キーワードとDPCについて布置座標を与え，DPC毎に距離の値によってキーワードのランク付けを行う。それを用いて，文書内のキーワードの有無についての表形式のデータ集合を生成し，分類学習手法を用いて分類器を構築する。
【結果】
検証結果から，SVM，決定木が最大78%程度の正答率であるのに対し，深層学習が86%以上，Random Forestでは90%以上の正答率を示した。
【考察】
診療文書の記載内容からテキストマイニングにより疾患の予測が可能となることが示唆された。この結果を踏まえて，退院時要約の記載内容からDPCコードが推定できるとすれば，実際に退院患者に付与されたDPCコードが正しいかチェックを行うなど応用が可能と考える。