寄稿:原 湖楠、吉原 良哉

原 湖楠
アリゾナ大学経済学部博士課程に在籍。TXP Medical株式会社非常勤研究員。
2013年東京大学医学部卒業。東京大学医学部附属病院の初期臨床研修プログラム修了。東京大学大学院医学系研究科社会医学専攻博士課程修了。東京大学公衆衛生学教室特任研究員、東京大学大学院経済学研究科特任研究員等を経て現職。

吉原 良哉
東京大学医学部在学中。TXP Medical株式会社インターン生。

この記事では、「日本版Claims-based algorithm(CBA)を作るには【前編】」に引き続き、CBAの話をしたいと思います。少し復習をしておきますと、CBAというのは、医療レセプト(診療報酬明細書、health insurance claims)から、目的に沿った疾患である患者を同定するアルゴリズムのことでした。妥当なCBAを作成するためには、診断のゴールドスタンダード(比較対象)を準備して、候補となるアルゴリズムの精度を評価する必要があるのですが、このゴールドスタンダードの構築には通常とても大きな労力がかかります。そのため、中々日本でCBAの研究が進まず、結果として、査読付きジャーナルから疾患同定アルゴリズムの精度評価が付いていないことを理由にリジェクトされる ≒ 医療レセプトを利用した研究が適切な評価を受けられない、という非常に困ったことが発生しているのでした。

精度の高いゴールドスタンダートをどうやって作るか

さて、ここまででゴールドスタンダード構築の労力の大きさを強調してきたので、「この労力を何らかの方法で低減出来ないのか?もし十分にゴールドスタンダード構築の労力を低減させることが出来るならば、CBAの作成が推進されるのでは?」という着想は、皆さんにとっても自然なものかと思います。このことについてもう少し深く考えてみましょう。ゴールドスタンダードの構築に大変な手間がかかる理由は、医師が一症例ずつカルテ(診療録)を振り返って、目的となる疾患の患者を同定する必要があるためでした。つまり、この作業を十分に高い精度で代替する方法があれば良いということになります。このような代替手段として、1. 健診結果、2. 疾患レジストリ、3. 電子カルテ(electronic medical record, EMR)、が考えられます

1. 健診結果

まず、健診は日本では多くの人が毎年受けていて、特に、特定健診(特定健康診査)は医療保険者に実施が義務付けられており、採血なども項目として含まれているため、受診率が高い保険者に集団を限定すれば、ある程度悉皆的にいくつかの疾患のゴールドスタンダードを構築出来そうな気がします。実際に、筆者らは、医療レセプトと企業健診をつなぎ合わせたデータを利用して、高血圧、糖尿病、脂質異常症の三つの疾患のCBAの研究を実施しました。健診結果から高血圧、糖尿病、脂質異常症の診断基準に沿うように機械的にゴールドスタンダードを構築することで、50万人というこれまでのCBAの研究よりも遥かに大規模な集団で、候補となるCBAの精度を検討することが出来たことが評価され、疫学分野で3指に入る国際誌にアクセプトされました[1]。

2. 疾患レジストリ

次に、乳がんなどを中心として、疾患レジストリをゴールドスタンダードとして活用したCBAの研究もいくつか行われています(例えば、[2]など)。日本でも、例えば国立がん研究センターではがんの疾患レジストリを医療レセプトとつなぎ合わせることが可能なので、そのようなデータを活用することで、網羅的にがんのCBAを作成、評価できる可能性があります。

3. 電子カルテ(electronic medical record, EMR)

最後に、EMRです。EMRは、もしも人力で見ていくとなるとカルテレビューと変わらず、労力の削減に繋がりませんので、何らかの方法で機械的にEMRからゴールドスタンダードを判定するようにしたいです。簡便な方法として考えやすいのは、EMRに含まれている情報の中で最もデータの形が整っている、採血データを活用して、ゴールドスタンダードを構築することで、過去にもこの方法を使ったCBAの研究があります(例えば、[3]など)。しかしながら、EMRには、診療医師による自由記載など、多くの疾患でゴールドスタンダードを判定するために有用な情報が豊富に含まれているため、採血データだけを利用するのはもったいなく、なんとかして他の情報もうまく使えないかと思うわけです。そのようなニーズから、近年、EMRから目的の疾患となる患者を同定するアルゴリズム、phenotyping algorithm(フェノタイピング)、の開発が進められています[4]。当初、ゲノム研究への応用を主たる目的として発展してきた分野ではありますが、EMRの普及とともに、カルテレビューを代替する手段として、臨床医学、臨床疫学全般への応用が期待されています。フェノタイピングの手法を確立するためには、CBAと同様に、ゴールドスタンダードの構築が必要になるわけですが、一度フェノタイピングが確立された疾患については、EMRの取得規模に応じて、フェノタイピングを用いたゴールドスタンダード構築ができるため、そのゴールドスタンダードを用いて、CBAの作成、評価を実現することが可能になります。

TXP Medicalで我々の研究チームは、Next Stage ERから取得したEMRデータを医師のカルテレビューによるゴールドスタンダードと組み合わせて、フェノタイピング手法の作成、評価を行い、その上で、今度はフェノタイピングをゴールドスタンダードとして活用したCBAの作成、評価を行うプロジェクトを進めています。そこで、この次の記事では、フェノタイピングにフォーカスを絞った話をしたいと思います。

参考文献

  1. Hara K, Tomio J, Svensson T, Ohkuma R, Svensson AK, Yamazaki T. Association measures of claims-based algorithms for common chronic conditions were assessed using regularly collected data in Japan. J Clin Epidemiol. 2018;99:84-95. doi:10.1016/j.jclinepi.2018.03.004
  2. Gold HT, Do HT. Evaluation of three algorithms to identify incident breast cancer in medicare claims data. Health Serv Res. 2007;42(5):2056-2069. doi:10.1111/j.1475-6773.2007.00705.x
  3. Gorina Y, Kramarow EA. Identifying chronic conditions in medicare claims data: Evaluating the chronic condition data warehouse algorithm. Health Serv Res. 2011;46(5):1610-1627. doi:10.1111/j.1475-6773.2011.01277.x
  4. Newton KM, Peissig PL, Kho AN, et al. Validation of electronic medical record-based phenotyping algorithms: results and lessons learned from the eMERGE network. J Am Med Informatics Assoc. 2013;20:e147-e154. doi:10.1136/amiajnl-2012-000896

前編記事