MEDICINE & AI

タイトル：Model development for bespoke large language models for digital triage assistance in mental health care 雑誌名：Artif Intell Med. 2024 Nov; 157: 102988. 概　要： 本研究は、電子健康記録（EHR）に含まれる非構造的な臨床データを処理するための大型言語モデル（LLM）の有用性を探求しています。特にメンタルヘルスにおいては、収集される患者データの多くが機械可読な構造を欠いているため、重要な課題です。英国の国民保健サービス（NHS）では、専門的なメンタルヘルスケアへの長い待機リストが問題となっています。2023年のデータによると、毎月370,000件から470,000件の新規紹介があり、臨床情報を基に適切なメンタルヘルスチームを決定するためにトリアージが必要です。本研究では、臨床EHRデータの変動長を処理するためのLLMベースのアプローチを3つ提案し、評価しました。 方　法： 本研究は、変動長の臨床EHRデータを処理するための3つの異なるLLMベースのアプローチを評価しました。モデルは、臨床実践に一致したトリアージ推奨を提供する能力を持ち、単一のGPU上で実装されるように設計されています。これにより、リソースが限られたNHS環境での実装が実現可能となります。 結　果： 提案したモデルは、既存の臨床実践に沿ったトリアージ推奨を提供することができ、臨床データのボリュームを効率的に処理する能力を示しました。具体的な数値は示されていませんが、モデルの実用性が強調されています。 結　論： 本研究により、メンタルヘルスケアにおけるトリアージ支援のための特注LLMの実用的な実装が可能であることが示されました。この技術は、患者の待機時間を短縮し、トリアージ決定を支える証拠を向上させる可能性があります。