医薬品の投与量に関する処方ミスは患者へ重篤な健康被害を与える可能性もあることから、実臨床では投与量に対する精度の高い処方チェックシステムの実現が望まれている。本研究では、電子カルテに蓄積されている大量の診療データを活用し、機械学習の技術を適用することで、これまでに報告のない新規処方チェックシステムを構築することを目指す。
平成30年度の研究実績は下記の通りである。
１．診療データの解析結果を実臨床へフィードバックする仕組みの構築：電子カルテシステム（HOPE EGMAIN-GX、富士通株式会社）のデータ・ウェアハウス（DWH）機能を用いて電子カルテから診療データ（処方、注射、検査、病名データ）を抽出し、解析結果を薬剤師が確認の上、処方介入（疑義照会）を行う仕組みを構築した。
２．学習データの準備：DWH機能を用いて、九州大学病院における過去5年間（2014年1月1日～2018年12月31日）の処方データを電子カルテから抽出した。また、処方時点における患者の年齢、性別、身長、体重、クレアチニンクリアランス（Ccr）のデータを取得し、個々の処方データへの紐づけを行った。なお、一日投与量が明らかでないものや欠損値を含むものは学習データから除外した。
３．機械学習アルゴリズムの選択と規則構造（モデル）の構築・最適化：学習データを用いて、医薬品の投与量を目的変数、年齢、性別、身長、体重、Ccrを説明変数（特徴量）として、機械学習アルゴリズムの選択およびモデル構築・最適化を試みた。