指示調整された大規模言語モデルを用いた信頼性の高い臨床的虚弱スコアリングの利用
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Use of a large language model with instruction-tuning for reliable clinical frailty scoring
雑誌名：J Am Geriatr Soc. 2024 Dec; 72(12): 3849-3854.
概 要：
この研究は、臨床的虚弱の評価における信頼性を向上させるために、大規模言語モデル（LLM）を用いたスコアリングの可能性を探求しています。虚弱は生理的な低下による脆弱性の増加を特徴とし、Clinical Frailty Scale（CFS）が一般的に使用されていますが、評価者のバイアスに影響される可能性があります。本研究では、OpenAIのGPT-3.5-turboモデルを用いて、CFSスコアの一貫性と信頼性を評価しました。
方 法：
研究では、7つの標準化された患者シナリオを使用し、基本的なプロンプトとCFSの定義、正確な応答の指示、温度制御を組み込んだ指示調整プロンプトの2つの方法を比較しました。出力は、マン・ホイットニーU検定およびフレイスのカッパを用いて評価者間の信頼性を分析し、過去の人間のスコアと比較しました。
結 果：
LLMの中央値スコアは人間の評価者と類似しており、差は1ポイント以内でした。基本プロンプトと指示調整プロンプトのスコア分布には5つのシナリオで有意な差が見られ、指示調整プロンプトは高い評価者間信頼性（フレイスのカッパ0.887）を示しました。日常生活動作（ADLs）に関する情報が少ないシナリオではスコアリングが難しいことが指摘されました。
結 論：
この研究は、LLMが臨床的虚弱を一貫して高い信頼性でスコアリングできる可能性を示しています。指示調整によるプロンプトエンジニアリングは、医療アプリケーションにおけるLLMの最適化に効果的なアプローチであることが示されました。ADLsに関する情報が少ない場合、LLMが虚弱スコアを過大評価する可能性があることも示唆されています。今後の研究では、LLMの臨床研究や虚弱関連のアウトカム予測への統合が探求されるべきです。