放射線腫瘍学における自動プライバシー保護医師レター生成のためのローカルLLaMA-3大規模言語モデルのファインチューニング
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Fine-tuning a local LLaMA-3 large language model for automated privacy-preserving physician letter generation in radiation oncology
雑誌名：Front Artif Intell. 2024; 7: 1493716. doi: 10.3389/frai.2024.1493716. Epub 2025 Jan 14.
概 要：
本研究は、放射線腫瘍学における医師レター生成のために、プライバシーを保護しつつ大規模言語モデル（LLM）をローカルにファインチューニングする方法を探求しています。医師レターの生成は臨床実践において時間を要する作業であり、ファインチューニングされたLLaMAモデルが特定の情報を学習し、施設特有のスタイルで医師レターを生成する能力を示しました。結果として、8B LLaMA-3モデルは13B LLaMA-2モデルよりも優れたROUGEスコアを示し、臨床専門家による評価も高く、臨床的利益が確認されました。
方 法：
この研究では、放射線腫瘍学における医師レター生成のために、LLaMAモデルのローカルファインチューニングを行いました。具体的には、限られた計算資源（48 GBのGPUワークステーション）を用いてQLoRAアルゴリズムを適用し、医療機関内での効率的なファインチューニングを実施しました。
結 果：
ファインチューニングされたLLaMA-3モデルは、提供された入力データに基づいて、挨拶、診断、治療歴、さらなる治療の推奨、計画されたスケジュールを生成することに成功しました。臨床専門家による評価では、平均スコア3.4（4点満点）を記録し、臨床的利益が高く評価されました。
結 論：
自動化されたLLMベースの医師レター生成は、慎重な医師のレビューと修正を伴うことで、実際的な価値を持つことが示されました。ファインチューニングされたモデルは、放射線腫瘍学における医師レター生成の効率を向上させる可能性があります。