大規模言語モデルが代謝関連脂肪肝疾患患者における未診断の駆出率保持心不全を検出
カテゴリ：手術支援
公開日：2026年4月1日
タイトル：Large language model detects previously undiagnosed heart failure with preserved ejection fraction in patients with metabolic-associated fatty liver disease: A multicenter cohort study.
雑誌名：PLOS Digit Health. 2026 Mar; 5(3): e0001317. doi: 10.1371/journal.pdig.0001317.
概 要：
本研究は、代謝関連脂肪肝疾患（MAFLD）患者における駆出率保持心不全（HFpEF）の検出に特化した大規模言語モデル（MedGuide-14B）を評価し、モデルによって特定された症例と臨床的に認識された症例のアウトカムを比較することを目的としています。HFpEFは症状が非典型的で複雑な病因を持つため、しばしば見逃されます。24,011人のMAFLD患者のうち、3,049人（12.7%）が臨床的に診断されたHFpEFであり、MedGuide-14Bはさらに4,226人（17.6%）の未診断ケースを特定しました。
方 法：
この研究は多施設の後ろ向きコホート研究で、MedGuide-14Bは大規模な臨床データに基づいて微調整され、構造化された電子健康記録（EHR）データを分析しました。患者は臨床的に診断されたHFpEF、MedGuideによって特定されたHFpEF（確率≥0.70）、非HFpEFに分類されました。主要評価指標は再入院率と死亡率です。
結 果：
MedGuide-14Bは、臨床的に診断されたHFpEFに対してAUC 0.94を達成し、感度95.0%、特異度92.3%を示しました。再入院率は、臨床的に診断されたHFpEFが67.2%、MedGuideによって特定されたHFpEFが55.6%、非HFpEFが38.4%でした（P<0.001）。48ヶ月後の全死因死亡率はそれぞれ18.9%、12.3%、4.6%であり、心血管死亡率は10.8%、5.9%、1.5%でした（log-rank P<0.05）。
結 論：
ドメイン調整された大規模言語モデルは、MAFLD患者におけるHFpEFの検出を大幅に向上させ、臨床的に意味のあるリスクを持つ未認識のサブグループを特定しました。このモデルをEHRワークフローに組み込むことで、早期評価とターゲットテストが可能になると期待されますが、多様な設定での前向き検証が必要です。