MEDICINE & AI

タイトル：Leveraging large language models for generating responses to patient messages-a subjective analysis 雑誌名：J Am Med Inform Assoc. 2024 May 20; 31(6): 1367-1379. doi: 10.1093/jamia/ocae052. 概　要： 本研究は、電子健康記録の患者ポータルを通じて送信された患者メッセージに対する応答を生成するためのファインチューニングされた大規模言語モデルの開発と性能評価を目的としています。大規模な学術医療センターから抽出したメッセージと応答のデータセットを利用し、事前学習済みの大規模言語モデル（LLaMA-65B）に基づくモデル（CLAIR-Short）を開発しました。さらに、OpenAI APIを使用して医師の応答を更新し、患者教育を強調した情報提供型の段落を作成しました。このデータセットと組み合わせて、モデル（CLAIR-Long）をさらにファインチューニングしました。プライマリケアにおける代表的な患者ポータルの質問10件を使用して生成された応答を評価しました。 方　法： 本研究は、499,794対の患者メッセージと対応する応答からなるデータセットを使用し、5000件の患者メッセージとChatGPTによって更新された応答を含みます。4人のプライマリケア医師が参加し、生成された応答を評価し、共感、応答性、正確性、有用性について評価しました。CLAIR-Shortは、医療提供者の応答に類似した簡潔な応答を生成する能力を示しました。 結　果： CLAIR-Longの応答は、CLAIR-Shortに比べて患者教育コンテンツが増加し、ChatGPTの応答と同様の評価を受けました。特に、応答性、共感、正確性においてポジティブな評価を受けましたが、有用性については中立的な評価でした。 結　論： この主観的分析は、患者メッセージへの応答生成に大規模言語モデルを活用することが、患者と医療提供者間のコミュニケーションを促進する上で大きな可能性を示すことを示唆しています。