医療症状と病歴を検出するための深層学習に基づく自然言語処理
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Deep learning-based natural language processing for detecting medical symptoms and histories in emergency patient triage.
雑誌名：Am J Emerg Med. 2024 Mar; 77: 29-38.
概 要：
本研究は、救急部門における電子健康記録（EHR）の手動記録が時間を要し困難であることを背景に、最新の大規模言語モデル（LLM）を用いて自動的な臨床診断を行うモデルの設計と検証を目的としています。具体的には、6つの主要な症状シナリオ内での模擬的な医師と患者の会話から、12の医療症状と2つの患者歴を特定することを目指しました。
方 法：
BERTというトランスフォーマーベースの事前学習モデルをファインチューニングして分類モデルを開発しました。これらのモデルは、説明可能な人工知能（XAI）とShapley加法説明（SHAP）法を用いて分析されました。また、Turingテストを実施し、医療従事者によるタスクの結果と説明とを比較することでXAI結果の信頼性を確認しました。
結 果：
4つの事前学習LLMをファインチューニングし、その分類性能を比較したところ、KLUE-RoBERTaベースのモデルが最も高い性能を示しました（F1スコア：0.965、AUROC：0.893）。SHAPを用いたXAI結果は、医療従事者の説明と比較した際に平均ジャッカード類似度0.722を示しました。Turingテストの結果、XAIと医療従事者の平均スコアはそれぞれ3.327と3.52であり、6%の差が見られました。
結 論：
本研究は、韓国の救急部門におけるEHRの自動記録に対するLLMの可能性を示しています。KLUE-RoBERTaベースのモデルは優れた分類性能を示し、SHAPを用いたXAIはモデル出力に対する信頼できる説明を提供しました。これらの説明の信頼性はTuringテストによって確認されました。