臨床質問票データに基づく医療専門分野予測のためのエンティティ強化BERT
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Entity-enhanced BERT for medical specialty prediction based on clinical questionnaire data
雑誌名：PLoS One. 2025; 20(1): e0317795. doi: 10.1371/journal.pone.0317795. Epub 2025 Jan 30.
概 要：
本研究は、遠隔診断における医療専門分野予測システムの開発を目的とし、誤った診療科を訪れる初診患者による予期しないコストを削減することを目指しています。医療テキストデータを用いた臨床予測モデルが探求されており、患者に関する情報が大量に含まれているため、シーケンスの長さが増加します。これに対処するため、エンティティを抽出して特徴を簡潔にし、臨床テキスト分類のためのドメイン特有の知識を提供する試みが行われていますが、モデルへの効果的な注入は不十分です。そこで、医療専門分野予測のためにBERTの構造的属性を活用したエンティティ強化BERT（E-BERT）を提案します。E-BERTはエンティティ埋め込み層とエンティティ認識注意機構を持ち、ドメイン特有の知識を注入し、シーケンス内の医療関連エンティティ間の関係に焦点を当てます。
方 法：
本研究では、臨床質問票データを用いた実験を行い、E-BERTの性能を他のベンチマークモデルと比較しました。E-BERTは、エンティティ認識注意機構を通じてドメイン特有の知識を効果的に取り入れ、テキスト内の文脈情報を捕捉する能力を示しました。
結 果：
実験結果は、入力シーケンスの長さに関わらず、E-BERTが他のモデルよりも優れていることを示しました。また、エンティティ認識注意機構の効果を視覚化した結果、E-BERTがドメイン特有の知識を効果的に組み込んでいることが確認されました。
結 論：
提案したE-BERTは、医療専門分野の予測において高い精度を示し、初診患者に実用的な情報を提供することで診断プロセスを効率化し、医療相談の質を向上させる可能性があります。