患者の訴えと病歴からの情報抽出のための大規模言語モデルに基づくパイプライン
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：A large language model based pipeline for extracting information from patient complaint and anamnesis in clinical notes for severity assessment.
雑誌名：Sci Rep. 2025 Jul 14; 15(1): 25345.
概 要：
本研究は、救急部門における重症患者の特定を支援するために、大規模言語モデル（LLM）を活用した情報抽出パイプラインを開発しました。患者の訴えや病歴を含む臨床ノートから情報を抽出し、病状の重症度評価とトリアージレベルの予測を改善することを目的としています。具体的には、ChatGLM-2、GLM-4、Alpaca-2などのLLMを用いて、患者の訴えと病歴を入力として与え、重症度スコアを抽出し、予測モデルに統合しました。中国の救急トリアージ、評価、治療（CETAT）データベースから得られた患者記録に基づいて効果を示しました。
方 法：
本研究は、患者の訴えと病歴を用いた情報抽出のためのパイプラインを開発したもので、LLMを活用したコホート研究です。患者記録はCETATデータベースから取得され、重症度スコアはロジスティック回帰モデルに組み込まれました。主要評価指標は、AUC-ROCであり、初期段階では0.746から0.802への改善が見られました。
結 果：
患者の訴えと病歴を用いた重症度スコアの抽出により、初期段階での予測精度がAUC-ROCで0.746から0.802に改善しました。後期段階ではバイタルサインが利用可能になったものの、スコアによる予測の向上は統計的に有意であることが示されました。
結 論：
LLMは臨床ノートから重症患者を特定するための有用な情報を抽出できることが示されました。今後は、より効率的な方法の開発が求められます。