【背景】多施設の電子医療情報に基づくデータベース（Electronic Health Record: EHR）の構築が国内外で進んでいる。EHRの研究利用への期待は大きいが、臨床アウトカムに関わるデータの多くは非構造化データで解析が困難という課題がある。本研究ではEHRから抽出した肺がん患者を対象に、薬物治療効果をAI（Artificial Intelligence）を用いて評価する方法を検討した。
【方法】宮崎大学医学部附属病院（以降、宮大）及び一般社団法人ライフデータイニシアチブの千年カルテデータべ―ス（以降、千年カルテ）の肺がん患者データを対象として後ろ向き研究を行った。BERTモデルを構築して、患者さんの経過記録や放射線レポートから薬物治療効果（奏効、安定、進行）の判定を行った。BERTモデルの精度はLongformerモデルおよびNaïve Bayesモデルと比較評価した。さらにBERTモデルによる千年カルテの治療効果データを用いて薬物治療ライン毎に進行までの期間（Time-to-Progression: TTP）を算出した。
【結果】事前学習並びに宮大の教師データ31名を基に構築したBERTモデルの精度は、Precision 0.42、Recall 0.63、F1値 0.50で、他の2つのモデルと比べて高い精度を示した。宮大データに基づくBERTモデルを千年カルテ（734名）に適応させたところ、同等の精度を示した。TTP中央値は治療ライン（1～4次）が遅くなるにしたがい短くなった。
【考察】他施設EHRの非構造化データを用いて、BERTモデルにより肺がん患者の薬物治療効果が得られた。今後、データをさらに蓄積し、モデルの精度の更なる改善が期待される。