脳卒中リハビリテーションにおける大規模言語モデルの応用：2段階研究
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Application of Large Language Models in Stroke Rehabilitation Health Education: 2-Phase Study
雑誌名：J Med Internet Res. 2025 Jul 22; 27: e73226. doi: 10.2196/73226. Epub 2025 Jul 22.
概 要：
この研究は、脳卒中患者の在宅リハビリテーションにおける健康教育の効果を評価するために、4つの大規模言語モデル（LLM）を使用しました。従来の健康教育は精度や個別化、アクセスの面で課題がありますが、LLMはその自然言語処理能力により注目されています。研究の目的は、脳卒中患者に対してより正確で安全な健康教育の道筋を提供し、LLMを用いた健康教育の実現可能性を探ることです。
方 法：
研究は2段階に分かれています。第1段階では、文献レビューと専門家インタビューを通じて、脳卒中患者に関連する15の一般的な質問と2つの臨床ケースを特定し、4つのLLMに入力しました。医療専門家6名が生成された回答を評価しました。第2段階では、上位2モデルを選定し、30人の脳卒中患者がそれぞれ3つの質問を行い、満足度や可読性を評価しました。データはANOVAやt検定を用いて分析されました。
結 果：
4つのモデル間で、精度（P=.002）、完全性（P<.001）、可読性（P=.04）、安全性（P=.007）、人間味（P<.001）の5つの次元で有意な差が見られました。ChatGPT-4は全ての次元で最高のスコアを記録し、特に精度（平均4.28）、完全性（平均4.35）、可読性（平均4.28）で優れた結果を示しました。第2段階では、ChatGPT-4が全体的に最も良いパフォーマンスを示しました。
結 論：
LLM、特にChatGPT-4とMedGoは、在宅脳卒中リハビリテーション教育において有望な成果を示しましたが、専門家と患者の評価の不一致が明らかになりました。今後の実用化に向けて、臨床的な正確性や可読性の向上が必要です。