大規模言語モデルを活用した生物医学データの調和支援に向けた自然言語処理アプローチ
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：A natural language processing approach to support biomedical data harmonization: Leveraging large language models.
雑誌名：PLoS One. 2025; 20(7): e0328262. doi: 10.1371/journal.pone.0328262. Epub 2025 Jul 24.
概 要：
この研究は、生物医学研究におけるデータ調和の自動化を目指し、大規模言語モデル（LLM）とアンサンブル学習を活用した新しい変数マッチング手法を開発しました。既存のデータセットを統合するためのレトロスペクティブデータ調和は労力を要するため、自動化手法が求められています。本研究では、アルツハイマー病データイニシアティブから得たデータを用いて、347のEU変数と1322のJP候補変数を手動でマッチングし、NLP手法を用いて変数の類似性を評価しました。
方 法：
本研究は、アルツハイマー病データイニシアティブのGERASコホート研究から得たデータを使用しました。347のEU変数と1322のJP候補変数を手動でマッチングし、NLP手法（E5、MPNet、MiniLM、BioLORD-2023）を用いて変数の類似性を推定しました。さらに、ランダムフォレストモデルを用いたアンサンブル学習手法を開発し、50回の試行で評価しました。各EU変数に対して、候補JP変数をNLPによる類似性スコアでランク付けしました。
結 果：
E5は個別手法の中で最も良好な結果を示し、HR-30で0.898、MRRで0.700を達成しました。一方、ランダムフォレストは全ての指標でE5を上回り、平均HR-30は0.986、MRRは0.744でした。自動変数マッチングのエラーの主な原因は、変数定義の曖昧さでした。
結 論：
NLP技術、特にLLMを用いたアンサンブル学習は、変数マッチングの自動化と生物医学データ調和の加速に大きな可能性を秘めています。