1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は何ですか？
- 臨床文書の診断名に対して、独自のコントロール語彙からの一意の識別子を割り当てる重要なタスクがあります。この問題は、未加工データから情報抽出を行い、特定の文脈における疾患の発生率や罹患率についての流行病学的研究を行うことが可能になります。しかし、手動のコーディングプロセスは、医療従事者がコーディングルールや専門用語に詳しくなければならないため、誤りの可能性があります。また、コーディング作業は時間とエネルギーを多く消費するため、より臨床的に重要なタスクに割り当てられるべきです。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
- 医療関係者のためにサポートツールとなる疾患の自動割り当てシステムを提供することを目的とした研究です。具体的には、最先端のNERモデルを使用して疾患メンションを認識し、Elasticsearchベースの検索エンジンシステムによって、それらの疾患メンションに関連する最も適切なコードを自動的に割り当てる2段階のシステムを提案しています。研究の特徴としては、専門の医師によって手動でコーディングされた紹介状を使用して、そのシステムの性能が評価された点が挙げられます。

3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは何ですか？
- 自然言語処理技術による病気の自動識別は、医療情報の素材からの効率的な情報抽出を可能にし、既存の研究開発動向で注目されています。本研究では、最新技術であるNERモデルを使用して医療情報から疾患を識別し、Elasticsearchベースの検索エンジンシステムを組み合わせて、より正確かつ迅速にコーディングを行うことを可能にしました。

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、疾患の自動割り当てシステムを提案し、2段階の手法を採用することで、専門家の手動によるコーディングと同等以上の性能を実現しました。研究者は、40万人以上のコーディングデータを使用して、システムの性能を評価しました。また、この研究は、コーディング作業における医療関係者の負担を軽減し、よりクリニカルに関連した業務に時間やエネルギーを割り当てることを可能にします。

5. 本研究の有効性はどのように検証した？
- 本研究では、疾患の自動割り当てシステムの性能を評価するために、専門家による手動コーディングとシステムによるコーディングを比較しました。システムは、従来のベストパフォーマーに近い性能を発揮し、専門医の手動コーディングと同等以上の性能を発揮しました。