救急科の臨床ノートから尿路感染症の兆候と症状を特定するための大規模言語モデルの利用
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Identifying signs and symptoms of urinary tract infection from emergency department clinical notes using large language models.
雑誌名：Acad Emerg Med. 2024 Jun; 31(6): 599-610. doi: 10.1111/acem.14883. Epub 2024 Apr 03.
概 要：
本研究は、自然言語処理（NLP）ツール、特に大規模言語モデル（LLM）を用いて、救急科の臨床ノートから尿路感染症（UTI）の症状を特定することを目的としています。UTIの診断には症状の特定が重要ですが、電子健康記録（EHR）からの症状の抽出は困難であり、これが大規模研究や公衆衛生監視の制約となっていました。本研究では、2つのNLPモデルを開発し、UTI症状の特定能力を比較しました。
方 法：
研究対象は、2013年6月から2021年8月の間に北東部の米国の医療システムの救急科に来院し、尿検査を受けた18歳以上の患者です。1250件の救急科医のノートをランダムに選び、17種類のUTI症状について注釈を付けました。タスク特化型のLLMとして、畳み込みニューラルネットワーク（SpaCy）と長文処理用に設計されたトランスフォーマーモデル（Clinical Longformer）を開発しました。モデルは1000件のノートで訓練され、250件のホールドアウトセットでテストされました。
結 果：
1250件のノートから8135のエンティティが特定され、83.6%のノートに少なくとも1つのエンティティが含まれていました。ノートレベルでの症状特定のF1スコアは、SpaCyモデルで0.84、Longformerモデルで0.88でした。UTI症状の存在または不在を特定するF1スコアは、SpaCyモデルで0.96（250件中232件正しく分類）、Longformerモデルで0.98（250件中240件正しく分類）でした。
結 論：
本研究は、LLMおよび特にトランスフォーマーモデルが、非構造的な救急科の臨床ノートからUTI症状を抽出するのに有用であることを示しました。モデルは、ノートレベルでのUTI症状の存在または不在を高精度で検出でき、個々の症状に対するパフォーマンスにはばらつきが見られました。