arXivは2026年9月18日(現地時間)、電子カルテ（EHRs）データをモデル学習や評価に活用可能な、追跡可能な患者イベントに変換するシステム「EHR2Trace」に関する研究論文を公開した。同システムは、患者の健康状態の変化予測や臨床業務支援を行う「患者世界モデル (Patient world models)」および「臨床エージェント (Clinical agents)」の構築において、信頼性の高い患者履歴データの利用を可能にすることを目的としている。
EHRsには患者の状態や治療に関する詳細な履歴が記録されているものの、記録方法の違いからデータの一貫した利用が課題となっていました。EHR2Traceは、異なるソースから得られたEHRsのイベントを元のソースレコードにリンクさせる機能を備えています。これにより、イベント発生時間と情報利用可能性を明確に分離し、投薬指示、調剤、投与といった各プロセスを個別に区別して扱えるように設計されています。
同システムが生成する共有イベント表現は、医療データモデルであるOMOP (Observational Medical Outcomes Partnership)とMEDS (Medical Event Data Standard)の両方のエクスポートに対応しています。また、自動検証機能と再現可能なビルドプロセスを提供し、データの信頼性と整合性を高めています。開発チームは、3つの臨床データセットを横断してEHR2Traceを適用し、合計で8億4640万件ものイベントを変換しました。検証テストにおいては、MIMIC-IVデータセットにおける単一の単位一貫性チェックを除き、適用可能な全てのチェックを通過。さらに、意図的に注入された28個の欠陥全てを正確に検出することに成功しています。
制御された予測実験を通じて、EHR2Traceで処理されたデータが、後の診断を入院時に割り当てることで測定性能を大幅に向上させることが実証されました。しかし、そのようなデータで訓練されたモデルは、情報利用可能性によってフィルタリングされた履歴に展開された際に、その精度が低下する傾向も確認されています。EHR2Traceは、研究者が患者の履歴を詳細に検査し、データ変換の決定を検証し、明示的なデータルールに基づいてモデルを評価するための再利用可能なデータ基盤を提供し、臨床AI開発におけるデータ基盤の信頼性向上に寄与すると考えられます。
参考: arXiv cs.LG — 2026年10月2日 13:00 (JST)
原文ハイライト"EHR2Trace: Auditable EHR Data Infrastructure for Patient World Models and Clinical Agents"