夫婦間などの暴力（IPV）を予測するAIを開発、平均3〜4年前から兆候を検出

　被害者が支援機関に相談する平均3～4年前から、IPV（親密なパートナーからの暴力で、家庭内暴力を指すDVのうち夫婦や交際相手などの間の暴力を指す）のリスクを予測できるAIが開発された。

　米国国立衛生研究所（NIH）の支援を受けた米ハーバード大学を中心とする研究グループが、医療機関で日常的に収集される診療データを利用し、IPVにさらされるリスクを予測可能にした。

電子カルテと診療記録を組み合わせる

　DV（domestic violence）は家庭内暴力を指し、親子や兄弟姉妹なども含む広い用語であるのに対して、IPV（intimate partner violence）は、夫婦や交際相手など、親密なパートナーから受ける暴力とされる。IPVは身体的なケガだけでなく、慢性的な痛みや精神的な病気なども含み、深刻な健康被害につながるため、公衆衛生の重要な問題と見なされている。

　報告によれば、米国では女性の3人に1人が生涯のうちにIPVを経験するとされる。しかし、被害者は安全面への不安や社会的な偏見を恐れて、被害を申告しないケースも多い。医療現場でも見逃されることは少なくないという。

　こうした課題を受け、研究グループは、医療データを活用して、IPVを見つけ出すための支援ツールの開発を目指した。

　研究では、米国の大学医療センターで家庭内暴力支援センターに登録された女性841人と、年齢や人種などの条件を一致させた対照者5212人の医療データを用いて機械学習モデルを構築した。

　開発されたモデルは3種類で、1つ目は、診断歴や薬剤、血圧や心拍などのバイタルサインなどの情報を用いる「構造化データモデル」。2つ目は、診療記録や放射線レポートなどのテキスト情報を解析する「診療記録モデル」。3つ目は、それらを組み合わせた「マルチモーダルモデル」。

　研究グループは、テキスト解析には医療向け大規模言語モデル（LLM）を利用し、電子カルテの情報を多面的に学習できるように設計した。

AIが平均3~4年前からリスクを検出

　モデルの性能を評価した結果、「構造化データモデル」の性能（AUC＝予測性能を示す指標）は0.85、「診療記録モデル」は0.87だった。両者を組み合わせた「マルチモーダルモデル」は最も高い性能（AUC＝0.88）を示した。

　AUCは1に近いほど精度が高い指標で、今回の結果はいずれも高い予測性能を示す値である。さらに別の患者群や別の病院のデータでもAUC0.8以上の性能が確認された。

　特に注目されるのは、暴力のリスクを早い段階で見つけられる点である。「マルチモーダルモデル」は、被害者が家庭内暴力支援センターに相談する前の段階で、80％以上のケースを検出できた。しかも平均すると、実際の相談より3~4年前からリスクを予測できた。

　診療データを分析すると、精神疾患の有無、鎮痛薬の使用、胸痛などの症状に加えて、腕や顔周辺の外傷に関連する画像検査の頻度が高いことなどが、リスクと関連する特徴として浮かび上がった。

　研究グループは、このAIはIPVを診断するものではなく、医療者が患者を診察する際のサポートツールとしての利用を想定している。電子カルテに組み込むことで、リアルタイムにリスクを判断しやすくなる可能性がある。

　被害者が自ら打ち明けることに依存せずに、早期発見と早期対処につながり、健康被害の悪化や深刻な暴力事件の防止に貢献する可能性がある。