diagnosis on Web / 参考文献

内科領域におけるコンピュータ診断の試み（抜粋）

東予市・共立病院内科　科長　　鳥越　恵治郎 *1

愛媛大学麻酔学　　　　助教授　新井　達潤　 *2

はじめに

的確な臨床診断に至る第一歩は、症状、検査データ等から、適切な病名をできるだけ多く、迅速に思い出すことである。思い出す病名が少なければ見過ごし、誤診等を招き、またゆっくりと対処していたのでは、多忙な日常診療に対応できない。しかし、人間の記憶能力には自ずと限界があるため、病名を正確に、できるだけ多く、しかも迅速に思い出すことは容易ではない。特に第一線病院や、専門外の診療の場合問題となるところである。

筆者らは、この”適切なる病名思い出し”を市販のマイクロコンピュータを利用してプログラミングしてみた。初心者にも簡単に利用でき、疾患に関する知識の蓄積、保存も可能で、特に第一線病院での日々の診療に直ちに役に立つように配慮した。

プログラム構成

筆者らは、診断過程を次のように4つに分けた。

過程1.*3
自覚症状、理学的所見、簡単な検査データ（検血、検尿、単純X線、ECG等、一般診療所等でごく普通に施行できる検査）から、適当な病名をできるだけ多く思い出す。
過程2.
自・他覚所見の中で、もし診断上、特に重要であると思われる症状、検査データがあれば、それに関して考え得る病名をできるだけ多く思い出す。
過程3.
診療の過程において、何に病名を思いつくに至ったとき、それと鑑別すべき病名をできるだけ多く思い出す。
過程4.
上記1.-4.によって思い出された疾患名に関し、鑑別診断のために必要な、詳細データ（検査方法、特徴等）を知る。

（以下、略）

臨床所見の点数およびインデックス

本システムでは診断精度を向上させるため、ファイル1の臨床所見の項目に点数性を採用した。筆者らの点数性は、(1)重要な所見により多くの点数を与えること、しかし、(2)所見全体の点数の合計は一定（我々の場合30点）に近づくこと、の2原則になる。(2)は病名検索を行うとき重要となり、検索中の所見群がこの点数に近ければ近いほど病名がたしからいということになる。インデックスはファイルの最後尾に付け、この点数計算に用いる。

まず、登録する臨床所見を発現頻度をもとにして、大症状（「大」、50%以上）、中症状（「中」、49-20%）、小症状（「小」、19%以下）の3群に分け、これをファイルに「大」、「中」、「小」の順に登録する。

（以下、略）

検索

検索は登録されたファイル上のデータから、目的に応じて取り出す過程である。はじめに述べた診断の4過程を3種のファイルに対して、以下のように実行する。

過程1.の実行
ファイル1に対して検索を行い、外部より入力した症状、検査所見から、それに適合する病名を取り出す。この場合、点数性を採用しているために、当然ボーダーライントとなる点数を用意しておく必要がある。筆者らは、乱数によるシュミレーションを行い、ボーダーラインに入力してデータの個数の関数（非常に単純なものとなった。）として、プログラム内に用意した。
過程2.3.の実行
ファイル2に対し検索を行い、中核症状あるいは病名（まず思いついた病名）から、それと鑑別すべき病名を検索する。
過程4.の実行
ファイル3に対し検索を行い、ある疾患について詳しい情報を取り出し、鑑別診断または確診のための一助とする。

症例報告における的中率

このシステムの能力を各種雑誌の症例報告を対象として評価してみた。

表にこのシステムの最も主要部分である過程1.の実行の結果を掲げた。的中の基準は以下の通りである。

  1. 探索された病名の中に、確定診断名があれば、的中と判定。
  2. 2疾患以上が合併しているような場合、一方またはその両方が探索できれば的中と判定。
  3. 探索方法の関係上、ときにまったく関係のない病名を探索することがあるが、簡単に否定できるので的中率に対するマイナス材料とは考えない。

その結果、的中率は、82.6%であった。

考察

コンピュータの診断学への応用は、従来より専門的な分野において（神経系疾患1)-3)、黄疸の識別4)、心電図解析5)等）に適用され、一応の成果をおさめている。しかし、primary physicianにも役立つコンピュータプログラムの作成は、膨大なデータ量、データの多様性、探索アルゴリズムの煩雑さ、コストパフォーマンスの低さ等により皆無といってより。また、多変量解析における診断精度の限界が85%6)であるということも、コンピュータ導入を躊躇させている要因のひとつである。専門家が、その専門の疾患を診断するにあたって楽にコンピュータを凌ぐ正診率を示すからである。筆者らはこのような背景の中で、コンピュータに診断のすべてをまかせるのではなく、病名を思い出す補助として利用してみた。

コンピュータによる診断の論理的背景は、簡単にいえば標本照合であり、それを実行するためのアルゴリズムには、一般に次の4つがあげられる。

  1. 総あたり接近法
  2. 多分枝選択的接近法
  3. 仮説演繹的接近法
  4. ゲシュタルト的接近法（パターン認識）

筆者らはこのうちプログラミングに容易さ、および「病名を思い出すこと」という主目的のため、総あたり接近法を採用した。結果は表に示した通りで、探索された症例が82.6%あった。このことは、前述の診断率の限界が85%であることと比較して、本プログラムの有用姓を裏づけていると考えられる。

誤診例のうち、コンピュータにあらかじめ病名が記憶されていなかったために、疾患の探索が不可能であった症例が全部で27例（8.3%）あった。これは、診断学にコンピュータを導入することにおいて、不可避の問題である。できるだて多くの病名をあらかじめ記憶させておくほかに解決法はない。

筆者らは現在428種類の疾患データを登録しているが、症例実験から、内科系だけで約500種類程度必要でないかと考えている。

まとめ

  1. 内科領域での病名診断を効率的に行うためのコンピュータプログラム（病名思い出しシステム）を作製した。
  2. 内・外の雑誌に報告された約300例の症例に適用してみたたころ、82.6%の的中率を得た。これは正診断限界85%ということから考えて、非常に高い的中率である。
  3. しかし、本プログラムの真の有用性の評価は今後実際の臨床でおこなわなければならない。

（以下、略）

文献

注釈

出典