病理報告からの肺癌ステージング記述子の抽出：生成言語モデルアプローチ
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：Extracting lung cancer staging descriptors from pathology reports: A generative language model approach
雑誌名：J Biomed Inform. 2024 Sep; 157: 104720.
概 要：
この研究は、肺癌患者の手術病理報告から病理学的ステージに必要な情報を抽出するために、ファインチューニングされた生成言語モデル（GLM）の性能を評価することを目的としています。電子健康記録に含まれるテキストデータの処理は時間と労力を要し、これがデータの活用を制限しています。本研究では、ソウル国立大学分院病院のデータベースから収集した病理報告を用いて、腫瘍-リンパ節（TN）分類に必要な42の記述子を選定し、臨床専門家による検証を経てゴールドスタンダードを作成しました。
方 法：
肺癌の手術病理報告を収集し、42のTN分類に必要な記述子を選定しました。これらの報告とゴールドスタンダードを用いて、GLMのトレーニングと評価のためのプロンプト-レスポンスペアを生成しました。情報抽出の性能を評価するために、6つのトレーニングされたモデルを比較しました。
結 果：
Deductive Mistral-7Bモデルが最も優れた性能を示し、情報抽出問題において92.24%の一致率を達成しました。また、TおよびN分類を同時に予測する際の精度は0.9876でした。
結 論：
この研究は、推論データセットでトレーニングされたGLMが情報抽出性能を向上させることを示しました。約70億のパラメータを持つ比較的小さなGLMでも高い性能を達成できることが確認され、臨床意思決定支援や肺癌のステージング、研究において有用であると期待されます。