知識グラフに基づく、卵巣予備力低下における鍼治療の知的診断・治療補助システムに関する研究

サマリー

産婦人科特化の鍼治療知識グラフおよび卵巣予備力低下(DOR)に関する意思決定支援システムが、文献、古典文献、臨床データを用いて開発されました。臨床評価では86.7%の診断一致率と高い処方スコアが示され、統計的に有意だが限定的な専門家間合意が得られ、補助的な臨床意思決定支援ツールとしての役割を果たしました。

要約

卵巣予備力低下(DOR)は発生率が増加しており、若い女性にも影響を及ぼしています。鍼治療はDORの臨床的にも用いられています。しかし、実践は主観的で経験に依存し、標準化されたガイドラインの実施も欠如しています。従来の汎用知能鍼治療システムを基に、本研究は婦人科疾患を対象とし、DORを臨床入口として専門的な知識グラフと意思決定支援システムを開発します。本研究には82冊の古典鍼灸文献、中国・英文の文献、臨床データが含まれていました。知識は、大規模言語モデルと手書き注釈を組み合わせたハイブリッド手法で抽出され、完全な鍼灸知識グラフとDOR特有の婦人科サブグラフを構築しました。このシステムは、BiLSTM-CRFベースのエンティティ認識とデュアルモード検索を用いて、症候群の分化と鍼治療処方の生成を自動化しています。完全なグラフは16,558のエンティティと80,084の関係を含み、婦人科のサブグラフは8,677のエンティティと27,092の関係を含みます。90名のDRE患者を対象とした臨床評価では、専門家による評価と比較して診断の一致率が86.7%に達しました。平均処方適切性スコアは4.65でした。ケンダルのコンコルダンス係数を用いて測定された専門家間の評価者間合意はW ≈ 0.13(P < 0.05)で、統計的に有意だが限定的な一致を示している。これらの発見は、DORにおける鍼灸に基づく症候群の分化および処方生成に構造化された支援を提供し、補助的な臨床意思決定支援ツールとしての可能性を示唆しています。

概要

卵巣予備力の減少(DOR)は、卵母細胞の数や質が低下し、生殖能力の低下、月経不整順、ホルモンバランスの乱れを引き起こすことが特徴です¹。近年、DORの発生率は増加しており、徐々に若年層に影響を及ぼしています。アメリカの疫学データによると、2004年の19%から2011年には26%に増加^し、中国医師会の報告では補助^{生殖技術を受ける}不妊患者の有病率が13.58%と記録されています^2,3。

西洋医学における現在の管理戦略には、制御された卵巣過刺激、補助薬理学的治療、ホルモン補充療法が含まれます。しかし、これらのアプローチには、卵子採取率の低さ、出生後の改善の限定、治療中止率の高さ、禁忌症、潜在的な副作用など、いくつかの制約が伴います ^4,5。

鍼治療は、DOR患者の卵巣機能改善のための補完的治療法として研究されています。臨床試験およびシステマティックレビューからのエビデンスは、^6,7,8の^{潜在的な利益を}示唆しています。それにもかかわらず、鍼治療の診断と治療は依然として実践者の経験に大きく依存し、理論学派によって異なり、現代の臨床データとの標準化された統合も欠けています。これらの制約は鍼治療ガイドラインの広範な実施を制限し、伝統的な中国医学の正式な訓練を受けていない臨床医の学習障壁を高めています。

人工知能(AI)と知識グラフ(KG)技術の最近の進歩により、鍼灸やTCMにおける複雑な医療知識の構築と活用に新たなアプローチが生まれました ^9,10。これまでの研究には、鍼灸研究動向の視覚的分析(¹¹)、グラフ畳み込みネットワークに基づく経位推薦モデル(¹²)、鍼灸およびTuinaのためのプロンプト学習を含む知識グラフフレームワーク(¹³)、およびTCM知識グラフの構築と応用の体系的レビュー(¹⁴)が含まれます。さらに、知識グラフと大規模言語モデル(LLM)の統合は有望な方向性として浮上しており、TCM-KLLaMAのような処方生成システムや、LLMと知識グラフを組み合わせたケースベースの質問応答システムなどが示しています(^15,16)。これらの研究は、中医学における構造化された推論と意思決定を支援するAI駆動のアプローチの可能性を強調しています。さらに、複雑なネットワーク手法を鍼灸理論システムの解析に応用し、構造化された医療知識のモデリングに方法論的支援を提供しています¹⁷。

私たちのグループは以前にも、トランスフォーマーベースのデュアルチャネルACUBERTモデル¹⁸ や、マルチホップ推論能力を持つ大規模な鍼灸知識ベース¹⁹を含む不妊治療の一般的な鍼灸知識グラフを開発しています。しかし、これらのシステムは汎用的なフレームワークとして設計されており、婦人科疾患に対する疾患特異的な最適化は不足しています。さらに、これらはDORに焦点を当てた応用シナリオで臨床的に検証されていません。

この文脈で、本研究は婦人科生殖障害に焦点を当て、DORを臨床の入り口として用いています。既存の一般鍼治療知識グラフを基に、DORに特化したドメイン特有の知識グラフを構築し、知能的な臨床意思決定支援システムを開発しました。このシステムは、実際の臨床症例を用いて診断の一貫性と処方の適切性を評価し、鍼灸に基づく臨床意思決定に構造的かつ再現性のある支援を提供することを目指しました。

プロトコル

この研究は機関の倫理基準に従って実施され、東部戦線司令部総合病院の倫理委員会によって承認されました(承認番号:DZQH-KYLLFS-25-38)。対象者全員から書面によるインフォームドコンセントが取得されました。すべての患者データは匿名化され、プライバシー保護のために匿名化されました。このプロトコルの研究ツールは 材料表に記載されています。

1. 知識グラフの構築

知識グラフはマルチソースのデータ統合戦略を用いて構築されました。データ収集と注釈は、伝統中国医学(TCM)および鍼灸の正式な教育を受けた訓練を受けた人員によって行われました。データソースには、古典鍼治療の文献、CNKIの中国語文献、Web of Scienceコアコレクションの英語文献、三次医療病院の生殖センターからの臨床データ、標準化された知識ベースが含まれていました(古典文献の詳細なリストは補足ファイル1に記載されています)。これらの資料は、歴史的な深さと現代的な臨床的関連性を確保するために選ばれました。診断および治療パターンの特定を支持するために、合計400件の臨床症例が含まれました。ナレッジグラフ構築の全体的なワークフローは図1に示されています。

図1:ナレッジグラフ構築ワークフロー。 知識グラフ構築に用いられたデータ収集、抽出、統合プロセスの概要。 この図の拡大版はこちらをクリックしてご覧ください。

対象基準では、すべてのデータが鍼治療の診断と治療に直接関連し、エンティティや関係性の抽出に適した完全かつ明確な構造化された内容が求められました。古典文献は批判的に整理され、明らかな誤りがないことが求められたのに対し、現代文献は査読付き出版物や権威ある機関が発行した文書に限定されていました。臨床データは非識別化され、倫理的に承認されることが求められました。除外基準には、重複記録、不完全なテキスト断片、鍼治療の診断および治療に関係のない内容、裏付けられないまたは誤った記述が含まれていました。

手動注釈と自動抽出を組み合わせたハイブリッド知識抽出アプローチが実装されました。データの約30%は、古典的なテキストや意味的に複雑な内容を含め、標準化された注釈プラットフォームを用いてドメイン専門家によって手動で注釈が付けられました。残りの70%は大規模言語モデル(LLM)を用いて自動抽出され、エンティティ認識、関係抽出、用語正規化が含まれます。自動生成されたすべての結果は、正確性と一貫性を確保するために専門家によってレビュー・修正されました。

自動抽出は、LLMの動作を導く構造化されたプロンプトテンプレートを用いて実行されました(テンプレートの例は 補足ファイル2に示されています)。これらのテンプレートは、モデルの役割をドメイン固有の知識抽出エキスパートとして定義し、抽出性能向上のためにJSONトリプレット形式の少数ショット学習例を取り入れました。前処理された文献要旨はアプリケーションプログラミングインターフェース(API)を通じて提出され、計算効率向上のために並列処理戦略が実装されました。抽出出力はJSON検証ツールを用いて解析・検証され、構造的な整合性が保証されました。検証済みの知識トリプレットは、トレーサビリティを維持するために、元の文書名に順に名前を付けた独立したJSONファイルにシリアライズされました。

最終的な知識グラフはグラフデータベースに保存され、Pythonベースのフレームワークで実装されました。可視化は、検査と検証をサポートするために組み込みのグラフデータベースツールを使用して実施されました。

知識グラフ内のエンティティは、疾患、症状、症候群パターン、経絡、治療法、効果物質および生物学的メカニズムの7つのタイプに分類されました。エンティティ間の関係は臨床診断および治療論理を反映するように構築され、マルチホップ推論と構造化された推論を支えました。存在論と関係構造は 図2に示されています。詳細な知識グラフスキーマと関係制約の例は 補足ファイル3 および 補足ファイル4に提供されています。

図2:知識グラフのオントロジーと関係モデル。 知識グラフ内のエンティティタイプや関係の回路図的表現。中核的な要素には疾患、症状、症候群、経穴、治療法が含まれ、診断的および治療的関係性を示しています。
この図の拡大版はこちらをクリックしてご覧ください。

2. アプリケーションシステム開発

このアプリケーションシステムは、臨床意思決定支援を可能にするために構築された知識グラフに基づいて開発されました。このシステムはユーザー入力データを処理し、自然言語処理と知識グラフ推論を通じて構造化解析を行います。

自然言語の理解は、命名されたエンティティ認識とエンティティリンクのためにBiLSTM-CRFモデルを用いて実装されました。モデルのアーキテクチャは 図3に示されています。モデルアーキテクチャは、ドメイン固有のコーパスで訓練された埋め込み層、文脈情報を捉える双方向の長短期記憶層、そして最適な配列ラベリングを保証する条件付きランダムフィールド層で構成されていました。モデルは手動で注釈された臨床および文献データを用いて訓練され、注釈はドメイン専門家によって独立して行われました。注釈者間の合意はコーエンのカッパ係数を用いて評価され、閾値は≥0.85でした。不一致は専門家の合意によって解決されました。

図3:BiLSTM-CRFモデルアーキテクチャ。 埋め込み、BiLSTM、CRF層を含む命名エンティティ認識に用いられるBiLSTM-CRFモデルの概説図。
この図の拡大版はこちらをクリックしてご覧ください。

推論中、モデルは臨床入力データから症状、疾患、症候群のパターンを含む構造化された実体を抽出しました。これらのエンティティは、用語正規化、余弦類似度に基づくベクトルマッチング、文脈的曖昧さ回避を用いて知識グラフ内の標準化されたノードにマッピングされました。

知識検索は、キーワードと意味論ベースのアプローチを組み合わせた二重モード戦略を用いて行われました。キーワード検索は構造化されたエンティティの正確なマッチングのために全文インデックスを用い、意味検索はベクトル表現を用いて関連する非構造化知識を特定しました。取得した結果は統合され、重複除去され、後処理のために構造化されました。多次元のランキング戦略を用いて、正確なマッチング、意味的類似性、キーワード関連性に基づいて結果を優先順位付けし、婦人科およびDOR関連文脈に合わせて重み付けを調整しました。

システムは自然言語生成技術を用いて診断および治療出力を生成し、構造化された知識を臨床的に解釈可能な応答に変換しました。

3. 臨床応用と評価

開発されたシステムは臨床現場で応用され、その実用的な性能を評価しました。研究参加者は南京の三次病院で卵巣予備力低下と診断され、鍼治療を受けることに同意した患者でした。

参加者は20歳から40歳であり、2016年のPOSEIDON基準および2020年の中国専門家コンセンサスに基づく卵巣予備力低下の診断基準を満たしている場合に適格とされました。診断指標には抗ミュラーホルモンレベルの低下と卵胞数の低下が含まれ、卵胞数は5<。不妊に影響を及ぼす疾患、重篤な併存疾患がある、または過去3か月以内に不妊治療を受けた患者は除外されました。患者の包含および除外フローチャートは 図4に示されています。

図4:患者の包含および除外フローチャート。 患者選択のフローチャート。合計127名の患者が選考基準を満たし、90名が除外基準を適用し不完全なデータを考慮して含まれました。 この図の拡大版はこちらをクリックしてご覧ください。

人口統計情報や臨床情報を含む患者データは構造化された形式で収集・記録されました。参加者は症状および臨床情報を記録するための標準化されたアンケートに記入しました(詳細なアンケートは 補足ファイル5に記載されています)。システムは入力データに基づいて診断出力と鍼治療処方を生成しました。

システム性能は診断精度と治療適切性を用いて評価されました。診断の正確性は、システム生成症候群の分化結果と、3人の上級婦人科TCM医師の提供したものを比較することで評価されました。これらの医師は基準基準として機能しました。診断一致率は、全症例間で一貫した症例の割合として算出されました。

治療の適切性は、臨床経験と上級職称を持つ3名の上級鍼灸師からなるパネルによって評価されました。専門家は5点リッカート尺度を用いてシステム生成処方を独立して評価しました。評価者間の合意はケンダルの相応係数(W)を用いて評価されました。

結果

構築された知識グラフは、古典的な中国医学の文献、現代の臨床文献、実際の症例記録からの異種データを統合し、知識グラフの構築と評価の確立された原則に従っています。合計374の中国語資料、267の英語論文、82の古典中医学文献が取り入れられ、歴史的な深さと現代的な臨床的関連性を確保しました(図5)。

図5:知識源の分布。 知識グラフで使用されている知識源の構成を示す円グラフ。中国文学(54%)、英語の記事(39%)、中医学書籍(7%)が含まれます。

ディスカッション

本研究は、卵巣予備力低下の鍼治療に特化した知識グラフベースのインテリジェント意思決定支援システムを説明しており、一般的な伝統中国医学の知識モデリングから疾患特有の臨床応用への移行を示しています。

従来の鍼治療が実践者の経験に大きく依存するのに対し、提案されたシステムは構造化され再現可能な診断枠組みを導入しています。多元情報源の知識を統合し、「症状・症候群・治療」パラダイムをグラフベースの表現に符号化することで、TCM理論に沿った標準化された推論を可能にしつつ、臨床の柔軟性も維持しています。このアプローチは、構造化された知識表現とデータ駆動型推論の統合を重視するAI支援TCM診断モデルの最近の発展と整合しています^。

本研究の重要な方法論的特徴は、より大きな一般知識グラフから導き出された婦人科特有の部分グラフの構築です。大規模グラフは広範な表現能力を提供しますが、冗長性や無関係な関連付けを生じさせる可能性があります。...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
BiLSTM-CRF	オープンソース (https://github.com/jmhIcoding/bilstm-crf)	N/A	臨床テキストの抽出における命名エンティティ認識に使用されるディープラーニングモデルのアーキテクチャ。
CNKIデータベース	中国国家知識基盤	N/A	関連する中国語の学術出版物の検索に使用される文献リポジトリ。
JSONビューア＆フォーマッター	Megaish	1.6.0	JSONデータ構造の表示と検証に使用されるソフトウェアツール。
KGsアノテーションプラットフォーム	南京KGIデータ技術有限公司	N/A	医療エンティティおよび関係コーパスのラベリングを支援する知識グラフの構築に使用されるウェブベースの協調アノテーションプラットフォーム。
大規模言語モデルAPI	Moonshot AI	N/A	生物医学文献からの意味的理解と自動知識抽出に使用されるKimi LLM API。OpenAI APIフォーマットと互換性のあるインターフェース。
MySQL	Oracle Corporation	8.0.42	構造化された臨床データの保存に使用される関係データベース管理システム。
Neo4jブラウザ	Neo4j,Inc.	5.26.10	婦人科知識グラフのインタラクティブな視覚化と探索的クエリに使用されるグラフデータベースインターフェース。
Python	Pythonソフトウェア財団	3.11.4	自動文献クロール、LLM APIの呼び出し、マルチプロセッシング調整、データ解析、知識グラフの構築に使用される主要なプログラミング言語。
Web of Scienceコアコレクション	Clarivate Analytics	N/A	関連する英語の学術出版物の検索に使用される文献リポジトリ。