本文へスキップ
からだにいいもの

まだ知らない、役に立つ情報を。ゲーム攻略・R・ガジェット

Rで解析:電子カルテの受診記録から受診ごとに疾患の有無を推定する「PheVis」パッケージ

「PheVis」パッケージは、電子カルテの受診記録から、患者がその受診の時点で対象の疾患にかかっているかを確率として推定できるパッケージです。渡すのは1行が1回の受診にあたるデータフレームで、患者ID・受診ID・受診日(数値)の列と、主となる病名コード(ICD)や医学用語(CUI)の出現回数、症状・検査・処方などの説明変数の列を持たせます。正解のラベルを人手で付けなくても学習でき、結果は受診ごとの確率と、患者ごとの経過の図で確かめられます。カルテレビューの対象を絞り込んだり、疾患にかかっていた時期を受診単位で追ったりするときに役立てることができるのではないかと考えます。

パッケージバージョンは1.0.5。Windows 11 x64 (build 26200)のR version 4.6.1で確認しています。

パッケージのインストール

下記コマンドを実行してください。

# パッケージのインストール
install.packages("PheVis")

# 評価で使うパッケージのインストール
install.packages("PRROC")

# パッケージの読み込み
library("PheVis")
Warning message:
package 'PheVis' was built under R version 4.6.2

library("PRROC")
Loading required package: rlang
スポンサーリンク

コマンド例

詳細はコメント、パッケージのヘルプを確認してください。

フェノタイピングは、診療記録から「どの患者が、いつ、ある疾患にかかっていたか」を判定する作業です。ICDは国際疾病分類の病名コード、CUIは医学用語を統一した識別子(UMLSの概念ID)で、カルテの文章から抽出した用語の出現回数として使われます。PheVisは、主となるICDとCUIの出現回数を、過去の受診から積み上げた代理指標にし、それを手がかりに説明変数全体から受診ごとの確率を推定します。

以降の例では、京都市内の診療所の受診記録を想定した架空のデータを共通して使用します。80人の1年分の受診で、約半数の患者は40日間だけ肺炎にかかります。正解の列(ill)は学習には使わず、評価のときだけ使います。

# 京都市内の診療所の受診記録を想定した架空データを作成
set.seed(1192)

# 患者数と居住区
n_pat <- 80
ku <- c("左京区", "右京区", "伏見区", "山科区", "北区")

# 患者ごとに受診記録を作成
visits <- lapply(1:n_pat, function(i) {
  # 受診回数と受診日(1月1日からの日数)
  n_vis <- sample(8:20, 1)
  day <- sort(sample(1:365, n_vis))
  # 約半数の患者は発症日から40日間だけ肺炎にかかる
  onset <- sample(30:300, 1)
  ill <- as.integer(runif(1) < 0.5 & day >= onset & day < onset + 40)
  # 病名コード・医学用語・症状・検査・処方の出現回数は罹患中の受診で多くなる
  data.frame(
    patient = i, ku = sample(ku, 1), day = day, ill = ill,
    icd_main = rpois(n_vis, 0.2 + 2.0 * ill),
    cui_main = rpois(n_vis, 1 + 6 * ill),
    fever = rpois(n_vis, 0.5 + 2 * ill),
    cough = rpois(n_vis, 0.8 + 1.5 * ill),
    crp = rpois(n_vis, 1 + 3 * ill),
    xray = rpois(n_vis, 0.3 + 1 * ill),
    antibiotic = rpois(n_vis, 0.2 + 1.5 * ill)
  )
})

# 1行1受診のデータフレームにまとめ、受診IDを付ける
kyoto_visit <- do.call(rbind, visits)
kyoto_visit$visit_id <- seq_len(nrow(kyoto_visit))

# 先頭の受診を確認
head(kyoto_visit[, c("patient", "visit_id", "ku", "day", "ill", "icd_main", "cui_main", "fever")])
  patient visit_id   ku day ill icd_main cui_main fever
1       1        1 北区  17   0        0        0     1
2       1        2 北区  37   0        0        1     0
3       1        3 北区  59   0        1        1     0
4       1        4 北区  67   0        0        1     0
5       1        5 北区 121   0        0        0     0
6       1        6 北区 131   0        0        1     1

# 患者単位で学習用60人とテスト用20人に分ける
train_pat <- sample(unique(kyoto_visit$patient), 60)
df_train <- kyoto_visit[kyoto_visit$patient %in% train_pat, ]
df_test <- kyoto_visit[!kyoto_visit$patient %in% train_pat, ]

# 説明変数(主となるICDとCUIも含める)
var_vec <- c("icd_main", "cui_main", "fever", "cough", "crp", "xray", "antibiotic")

受診記録から予測モデルを学習:train_phevisコマンド

オプション意味初期値
half_life出現回数を積み上げる期間。慢性疾患ならInf、急性疾患なら疾患の持続期間を指定なし
dfすべての変数を含むデータフレームなし
START_DATE受診日の列名。列は数値である必要がありますなし
PATIENT_NUM患者IDの列名なし
ENCOUNTER_NUM受診IDの列名なし
var_vec予測に使う説明変数の列名。主となる変数も含めるなし
main_icd主となるICDコードの列名の文字ベクトルなし
main_cui主となるCUIの列名の文字ベクトルなし
rfランダムフォレストによる疑似ラベル付けを使うかTRUE
p.noiseノイズ付与の段階で加えるノイズの割合0.3
bool_SAFETRUEでSAFEによる変数選択を行うTRUE
omega両端の集団(確実に罹患/非罹患とみなす集団)を決める定数2
GS正解の変数名の文字列。NULLのときは0のベクトルを使うNULL
# 急性疾患を想定し、出現回数を積み上げる期間を30日にして学習
fit <- train_phevis(
  half_life = 30,
  df = df_train,
  START_DATE = "day",
  PATIENT_NUM = "patient",
  ENCOUNTER_NUM = "visit_id",
  var_vec = var_vec,
  main_icd = "icd_main",
  main_cui = "cui_main"
)
-- Arguments passed check -> PheVis begins --
Joining with `by = join_by(id, id_encounter, var, start_date)`Joining with `by = join_by(PATIENT_NUM, ENCOUNTER_NUM)`Joining with `by = join_by(START_DATE, PATIENT_NUM, ENCOUNTER_NUM)`

# 学習結果に含まれる要素を確認
names(fit)
[1] "surparam"        "model"           "df_train_result" "train_param"
[5] "df_x_train"

新しい受診記録で確率を予測:test_phevisコマンド

オプション意味初期値
train_param学習に使った設定(変数、主となるICDとCUI、half_life、正解、omega)。通常はtrain_phevisコマンドの結果から取るなし
df_test予測を行うデータフレームなし
surparam代理指標の計算に使う設定。通常はtrain_phevisコマンドの結果から取るなし
modelランダム切片ロジスティック回帰のモデル。通常はtrain_phevisコマンドの結果から取るなし
START_DATE受診日の列名。列は数値である必要がありますなし
PATIENT_NUM患者IDの列名なし
ENCOUNTER_NUM受診IDの列名なし
# テスト用20人の受診ごとに罹患の確率を予測
res <- test_phevis(
  train_param = fit$train_param,
  df_test = df_test,
  surparam = fit$surparam,
  model = fit$model,
  START_DATE = "day",
  PATIENT_NUM = "patient",
  ENCOUNTER_NUM = "visit_id"
)
-- Arguments passed check -> PheVis begins --
Joining with `by = join_by(id, id_encounter, var, start_date)`Joining with `by = join_by(PATIENT_NUM, ENCOUNTER_NUM)`Joining with `by = join_by(START_DATE, PATIENT_NUM, ENCOUNTER_NUM)`

# 予測結果に含まれる要素を確認
names(res)
[1] "df_result" "df_pred"

# 受診IDで正解の列と突き合わせる
eval_df <- merge(res$df_result, df_test[, c("visit_id", "ill")],
  by.x = "ENCOUNTER_NUM", by.y = "visit_id"
)
head(eval_df[, c("PATIENT_NUM", "START_DATE", "PREDICTION", "ill")])
  PATIENT_NUM START_DATE   PREDICTION ill
1           1         17 3.855136e-06   0
2           1         37 9.663427e-05   0
3           1         59 4.385256e-02   0
4           1         67 1.371831e-01   0
5           1        121 3.241059e-05   0
6           1        131 1.459114e-03   0

# ROC曲線の下の面積
roc.curve(scores.class0 = eval_df$PREDICTION, weights.class0 = eval_df$ill)$auc
[1] 0.9854086

# PR曲線の下の面積
pr.curve(scores.class0 = eval_df$PREDICTION, weights.class0 = eval_df$ill)$auc.integral
[1] 0.7799989

患者ごとの予測の経過をプロット:ggindividual_plotコマンド

オプション意味初期値
subject患者IDの数値ベクトルなし
time受診日(時間または日付)の数値ベクトルなし
gold_standard正解の数値ベクトルなし
prediction予測値の数値ベクトルなし
# 肺炎にかかったテスト用の患者を1人選び、受診日順に並べる
ill_pat <- unique(eval_df$PATIENT_NUM[eval_df$ill == 1])[1]
one <- eval_df[eval_df$PATIENT_NUM == ill_pat, ]
one <- one[order(one$START_DATE), ]

# 受診ごとの予測確率と、実際に罹患していた期間をプロット
ggindividual_plot(
  subject = one$PATIENT_NUM,
  time = one$START_DATE,
  gold_standard = one$ill,
  prediction = as.numeric(one$PREDICTION)
)

受診ごとの予測確率と、実際に罹患していた期間をプロット


この記事が誰かの役に立ちますように。

スポンサーリンク
価格および配送状況は変更される場合があります。購入時は商品ページをご確認ください。
当サイトに表示されている商品情報はAmazonから提供されたものであり、更新または削除される場合があります。
karada-goodはAmazonアソシエイトとして、適格販売により収入を得ています。