機械学習：電子健康記録からメンタルヘルス危機を予測する機械学習モデル

メンタルヘルス危機のリスクがある患者を適当なタイミングで見つけ出すことができれば、転帰の改善や負担とコストの軽減につながる可能性がある。しかし、メンタルヘルスの問題を抱える人は非常に多いため、予防的なケア決定をするために患者の複雑な記録を手作業で見直すことは、実際問題としては実行不可能である。そこで我々は、電子健康記録を用いて、患者のメンタルヘルス危機のリスクを28日間にわたって継続的にモニタリングする機械学習モデルを開発した。このモデルは、ROC（receiver operating characteristic curve）下面積0.797とPR（precision -recall curve）下面積0.159を達成し、58％の感度で危機を予測し、特異性は85％だった。6か月間の前向き追跡研究で我々のアルゴリズムの臨床現場での使用が評価され、事例の64％で取扱件数の管理または危機リスクの軽減に関して、臨床的に役立つ予測が見られた。この研究は、幅広いメンタルヘルス危機のリスクを継続的に予測し、臨床現場におけるこのような予測の付加価値について調べた、我々の知る限りで最初の例である。