MEDICINE & AI

タイトル：CD-Tron: Leveraging large clinical language model for early detection of cognitive decline from electronic health records. 雑誌名：J Biomed Inform. 2025 Jun; 166: 104830. 概　要： 本研究は、アルツハイマー病および関連する認知症（AD/ADRD）の前臨床段階における認知機能低下の早期発見を目的としています。電子健康記録に含まれる臨床ノートから得られる情報を活用し、大規模臨床言語モデルを用いて認知機能低下の早期識別を改善することを目指しました。CD-Tronというモデルを開発し、専門家によってラベル付けされたノートセクションを用いてファインチューニングを行いました。 方　法： 2,166人の患者から、初回の軽度認知障害（MCI）診断の4年前にわたる臨床ノートを収集しました。CD-Tronは、4,949の専門家ラベル付きノートセクションを用いてファインチューニングされた大規模臨床言語モデルに基づいて構築されました。モデルの評価には、1,996の独立したノートセクションを使用し、実世界の非構造化臨床データに対する性能を評価しました。また、SHAP値を用いた説明可能なAI技術を活用し、モデルの予測を解釈しました。 結　果： CD-Tronは、認知機能低下の検出においてベースラインモデルを大幅に上回り、精度、再現率、AUC指標で顕著な改善を達成しました。多くの実世界の臨床ノートでテストした結果、高い感度を示し、偽陰性は1件のみでした。SHAPに基づく解釈分析により、モデルの予測に寄与する重要なテキスト特徴が明らかになり、透明性と臨床医の理解を支援しました。 結　論： CD-Tronは、自由形式のEHRデータに大規模臨床言語モデルを適用することで、認知機能低下の早期検出に新たなアプローチを提供します。実世界の臨床ノートで事前学習されており、早期の認知機能低下を正確に特定し、SHAPを統合することで予測の透明性を向上させています。