MEDICINE & AI

タイトル：End-to-end Chinese clinical event extraction based on large language model 雑誌名：Sci Rep. 2025 May 15; 15(1): 16943. 概　要： 臨床イベント抽出は、医療データの構造化、臨床意思決定の支援、その他のインテリジェントな医療サービスを可能にするために重要です。従来のアプローチは、イベントトリガーや要素を特定するためにパイプラインベースの手法を使用しますが、エラーの伝播や情報の損失が生じ、パフォーマンスが最適化されないことが多いです。本研究では、大規模言語モデル（LLMs）に基づくエンドツーエンドの臨床イベント抽出手法を提案します。この手法では、臨床イベント抽出タスクをエンドツーエンドのテキスト生成タスクに変換し、LMCEEと呼ばれるプロンプト学習法を設計しました。実験結果は、従来のパイプライン手法に対してF1スコアが12%向上することを示しています。 方　法： 本研究は、エンドツーエンドのテキスト生成タスクとして臨床イベント抽出を行う手法を採用しています。具体的には、大規模言語モデルを用いたプロンプト学習法（LMCEE）を設計し、実験を通じてその効果を検証しました。主要評価指標はF1スコアで、従来の手法と比較しての改善を測定しました。 結　果： 提案された手法は、従来のパイプライン手法に対してF1スコアが12%向上し、生成ベースの手法であるUIEに対しても5.7%の改善を示しました。しかし、実験結果からは、プロンプトテンプレートへの感受性やLLMsの種類への依存性といった限界も明らかになりました。 結　論： 提案されたエンドツーエンドの臨床イベント抽出手法は、従来の手法に比べてパフォーマンスが向上することが示されましたが、さらなる最適化と調査が必要であることが強調されました。これにより、性能と堅牢性の向上が期待されます。