AIによるフロントライン医師の支援：日常的な耳鼻咽喉科ケアにおける大規模言語モデルの評価
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Empowering front-line physicians with AI: Evaluating large language models in everyday ENT care.
雑誌名：Am J Emerg Med. 2026 Jan 19; 102: 90-97.
概 要：
本研究は、耳鼻咽喉科の診断や管理における大規模言語モデル（LLM）の有用性を評価することを目的としています。緊急医療やプライマリケアにおける診断の不確実性や不適切な紹介が患者リスクや医療効率に影響を与える中、12の臨床シナリオを用いて、100人の医師と4つのLLMの診断・管理・紹介のパフォーマンスを比較しました。結果として、LLMは医師と同等の診断精度を示し、より適切な紹介を行いました。
方 法：
本研究では、耳鼻咽喉科医によって開発・検証された12の臨床シナリオを使用しました。家族医学と救急医学の実践医師100人が、診断、管理計画、紹介決定を行いました。Gemini-2.0、ChatGPT-4.0、ChatGPT-5、OpenEvidenceの4つのLLMが同一のプロンプトでテストされ、出力は匿名化され、専門家パネルによって評価されました。
結 果：
医師の診断精度は91.6%、管理精度は87.9%でした。非緊急ケースでは、30.4%が不適切な紹介を示し、髄液漏れのシナリオでは急性紹介の必要性を認識したのは半数でした。一方、LLMは診断・管理精度が同等であり、紹介の適切性が高いことが示されました。
結 論：
大規模言語モデルは、シミュレーションされた耳鼻咽喉科の緊急およびプライマリケアケースにおいて、一貫したガイドラインに沿った推論を示しました。これらは臨床判断を支援する可能性があり、責任ある統合と実世界での検証が重要です。