Mielenterveyden hoitotapahtumien ennustaminen koneoppimismalleja hyödyntämällä

Koneoppimismallinnukset

Hoidon pitkittymistä ennustavan mallinnuksen tutkimusaineistona hyödynsimme 75 331:tä Terveystalon työterveyshuollon kirjaamaa mielenterveyteen liittyvää hoitokertomusta vuosilta 2015–2019. Aineisto kattaa 21 771 potilaan hoitokertomukset, joihin liittyy masennus-, ahdistuneisuus-, unihäiriö- tai työuupumusdiagnoosi (F30–F48, F51, Z73.0). Hoitokertomuksista huomioitiin vain tekstit, joissa oli vähintään 20 sanaa, minkä jälkeen hoitokertomustekstien sanamäärän mediaani oli 101, keskiarvo 138 ja maksimi 1973 sanaa.

Hoitokertomusteksteistä analyyseihin mukaan otettiin tulosyy, esitiedot, status eli nykytila ja suunnitelma. Rakenteellisina muuttujina analyyseihin sisällytettiin ikä, sukupuoli ja kahden ensimmäisen käyntikerran diagnoosikoodi. Rakenteellinen aineisto oli pseudonymisoitu ja kertomusteksteistä oli poistettu tunnisteelliset tiedot ennen aineiston luovuttamista tutkimuskäyttöön. Tutkimusluvan hankkeelle myönsi Findata.

Aineiston analyysi perustui asetelmaan, jossa ennustimme mielenterveyteen liittyvien hoitotapahtumien pitkittymistä hyödyntämällä kahden ensimmäisen hoitokäynnin potilaskertomustekstiä, diagnooseja sekä rakenteellisia taustamuuttujia. Hoitotapahtumien pitkittymisen kriteeriksi asetimme yli neljä hoitokäyntiä.

Aineistoon sisältyi myös potilaiden työhistoriatiedot, joiden avulla pyrittiin varmistamaan potilaiden hoitohistorian kattavuus. Luokitteluun otettiin mukaan vain potilaat, joiden ensimmäinen hoitokäynti oli aikaisintaan puoli vuotta työsopimuksen alun jälkeen ja viimeinen hoitokäynti viimeistään puoli vuotta ennen sopimuksen sekä vuoden 2019 loppua. Tämän valikoinnin jälkeen aineistoon jäi 14 653 potilasta, joita koskevat taustatiedot ovat esitettynä taulukossa 1 «»1.

Analyysi tapahtui kaksivaiheisesti. Ensimmäisessä vaiheessa mallinsimme hoitokertomustekstit käyttäen ohjaamatonta Latent Dirichlet allocation -aihemallinnusta (LDA). LDA tunnistaa dokumenteista sanojen välisiä suhteita läpi koko aineiston ja yhdistelee sanoja sen perusteella aiheiksi. LDA:ta varten tekstit esikäsiteltiin muun muassa perusmuotoistamalla sanat Turku Neural Parser -työkalulla.

Analyysin seuraavassa vaiheessa käytimme LDA-mallinnuksen tuottamia aiheita sekä rakenteellisia muuttujia ennustemallin rakentamiseen. Useiden eri luokittelumenetelmien joukosta parhaan erottelukyvyn saavutimme XGBoost-mallilla, joka on gradienttitehostamiseen perustuva päätöspuumalli. Malli opetettiin ennustamaan hoidon pitkittymistä kahden ensimmäisen hoitokertomustekstin sekä taustamuuttujien avulla jakamalla aineisto potilaisiin, joilla oli aineistossa korkeintaan neljä tai enemmän kuin neljä hoitokäyntiä. XGBoost-luokittelijaa opetettiin 80 prosentilla potilaista, minkä jälkeen luokittelun laatua arvioitiin sen muille 20 prosentille potilaista antaman ennusteen osuvuuden mukaan.

Hoitokertomustekstien aiheet

Koneoppimiseen perustuvan luokittelijan tunnistamia aiheita luonnehtivat aiheelle latautuvat avainsanat, joiden avulla voidaan laatia kuvailevat lauseet kertomaan aiheen sisällöstä (kohde, tekeminen, toimijat). Avainsanojen perusteella voidaan arvioida aiheen käsittelemää kokonaisuutta, joka koostuu esimerkiksi potilasta koskevasta arvioinnista tai hoitotoimenpiteiden suunnittelusta. Samat avainsanat voivat sisältyä useampaan eri aiheeseen, jolloin niiden merkitys kussakin aiheessa riippuu niiden suhteesta aiheen muihin sanoihin.

LDA-mallinnuksen tuottaman 160 aiheen joukosta oli tunnistettavissa 23 aihetta, jotka pysyivät keskeisinä myös kokeiltaessa muuttaa aiheiden kokonaismäärää eri mallinnuksissa. Nämä 23 aihetta voitiin niiden avainsanojen perusteella ryhmitellä yhdeksään kokonaisuuteen: työ, perhe, uni, ahdistus, masennus ja uupumus, lääkitys, terapia, tutkimus sekä oman tilanteen pohdinta.

Kyky ennustaa hoidon pitkittymistä

Ennustemallin suorituskyvyn mittarina hyödynnettiin Receiver operating characteristic -käyrää (ROC-käyrä). Luokittelumalli tuottaa jokaisen potilaan kohdalla todennäköisyyden sille, että potilas kuuluu pitkähoitoisten potilaiden joukkoon. ROC-käyrä ja sen rajaama pinta-ala mittaa näiden todennäköisyyksien ja todellisen luokituksen vastaavuutta. ROC-käyrän pinta-ala vastaa sen todennäköisyyttä, että yksi satunnaisesti poimittu lyhytaikainen potilas saa luokittelussa matalamman todennäköisyysarvon kuin satunnaisesti valittu pitkäaikainen potilas.

XGBoost-mallin kyky ennustaa hoitosarjan venyminen vähintään viiteen hoitokäyntiin oli ROC-käyrän pinta-alan perusteella laskettuna keskimäärin 0,742, joka tarkoittaa kohtuullista erottelukykyä. Keskiarvo laskettiin toistamalla luokittelu 20 kertaa siten, että aineisto jaettiin aina eri tavoin 80 prosentin opetus- ja 20 prosentin testiaineistoihin. Käyttämällä luokittelussa vain potilaan diagnoosi- ja taustamuuttujia tulokseksi saatiin 0,694, joka tarkoittaa heikkoa erottelukykyä. LDA:n potilaskertomusteksteistä tuottamat aihemuuttujat lisäsivät ennusteen tarkkuutta tilastollisesti merkitsevästi.

Ennustemallin tärkeimmät selittävät tekijät ovat esitettynä kuvassa 1 «»2. Merkittävimmät ennustavat tekijät olivat F32-, F33- ja F41-diagnoosi. LDA:n löytämien 160 aiheen keskuudesta merkittävimmiksi tekijöiksi nousivat masennukseen, sen lääkinnälliseen hoitoon, uupumukseen, terapian hakemiseen, perheen tilanteeseen, työolosuhteisiin ja hoidon jatkuvuuteen liittyvät aiheet. On huomattava, että ennuste ei perustu vain yksittäisten aiheiden esiintymiseen vaan myös aiheiden yhteisvaikutuksiin.

Tulosten hyödyntäminen työterveyshuollossa

Havaintomme viittaavat siihen, että mielenterveysperusteisten työterveyshuollon hoitokäyntien pitkittymisen ennakoinnissa koneoppisen menetelmät voivat tuottaa lisäarvoa. Koneoppimismenetelmiin ja laajoihin tekstimassoihin perustuva datalähtöinen tutkimus voi avata uusia tulokulmia mielenterveyden empiiriseen tutkimukseen sekä mahdollisesti myös parantaa työterveyshuollon kykyä toteuttaa ennaltaehkäisevää tehtäväänsä mielenterveyden hoidossa.

Tutkimushankkeemme datatieteilijöiden kirjoittamat komentorivit tuotettiin tutkimuskäyttöä varten, mutta ne ovat jatkokehityksen kautta integroitavissa osaksi työterveyshuollon palvelujärjestelmiä. Niiden pohjalta on mahdollista kehittää sovelluksia, jotka voivat auttaa ennakoimaan mielenterveyden hoidon tarpeita työterveyshuolloissa. Tämä voi jatkossa olla tärkeää, kun esimerkiksi työterveyden asiantuntijoiden niukkoja aikaresursseja pyritään allokoimaan optimaalisesti.

Kuten tulokset osoittavat, koneoppimiseen perustuva ennustemalli ei kuitenkaan ole erehtymätön eikä ole mielekästä ajatella sitä automaattisen päätöksenteon välineeksi. Mallin etuna ihmismieleen verrattuna on sen kyky väsymättä ja nopeasti seuloa tuhansia hoitokertomuksia sekä etsiä niistä vaikeasti havaittavia riskitekijöiden yhdistelmiä. Tämä voi osaltaan auttaa työterveyshuollon toiminnan uudistamisessa ja uuden työterveysosaamisen kehittymisessä, vaikkei se lääkärin ammattitaitoa ja potilastyötä korvaakaan.