Prediction of COVID-19 Patients' Emergency Room Revisit using Multi-Source Transfer Learning

Prediction of COVID-19 Patients' Emergency Room Revisit using Multi-Source Transfer Learning

1. 本研究の学術的な背景と研究が解決する問題は何ですか？
==> 新型コロナウイルス感染症（COVID-19）は、重症度が様々で、無症状から生命に関わる合併症まで幅広くあり、全世界的なパンデミックを引き起こしました。COVID-19患者は、退院後数日以内に緊急医療室に再度来訪する場合が多く、医療スタッフの負荷が増加しています。そこで、本研究では、COVID-19患者が、退院後7日以内に再来訪する可能性を予測するモデルを構築することを目的としています。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
==> 本研究の目的は、COVID-19患者が退院後7日以内に再来訪するリスクを予測するためのモデルの開発です。自然言語処理技術を用いて、Electronic Health Records (EHRs)から得た健康情報を基に、COVID-19患者の7日後までの再来訪リスクを予測するモデルを開発しました。また、複数のクリニックで収集したデータに対応できるよう、deep transfer learningを用いたDomain Adversarial Neural Network (DANN)アルゴリズムを採用することで、独自性と創造性を持つモデルの構築に成功しました。

3. 研究の着想を得た経緯や、関連する国内外の研究動向とは何ですか？
==> COVID-19による再来訪リスクを予測する研究は、世界中で行われています。EHRsを用いた自然言語処理による手法は、過去数年間で急速に進歩してきており、本研究はこの分野の発展に大きく貢献しています。

4. 本研究で何をどのように、どこまで明らかにした？
==> 本研究では、COVID-19患者が、退院後7日以内に再来訪する可能性を予測するためのモデルを開発しました。ScispaCy自然言語処理技術を用いて、EHRsから情報を取得し、DANNアルゴリズムを採用することで、複数のクリニックで収集されたデータに対応したモデルを構築しました。そして、Multi-DANNモデルが、COVID-19患者の再来訪をより正確に予測することができることが分かりました。

5. 本研究の有効性はどのように検証した？
==> 本研究では、EHRsからのデータを用いて、COVID-19患者が退院後7日以内に再来訪する可能性を予測するためのモデルを開発しました。Multi-DANNモデルは、他のモデルと比較して、COVID-19患者の再来訪をより正確に予測できました。多クリニックで収集されたデータによってモデルの整合性に影響が出ることがあるため、DANNアルゴリズムを適用することで、データのドメインを超えた解析が正確に行えることも実証されました。