MEDICINE & AI

タイトル：Applications of Natural Language Processing and Large Language Models for Social Determinants of Health: Systematic Review 雑誌名：J Med Internet Res. 2026 Apr 28; 28: e83793. doi: 10.2196/83793. 概　要： 本研究は、健康の社会的決定要因（SDOH）に関する自然言語処理（NLP）および大規模言語モデル（LLMs）の応用を系統的にレビューし、研究のギャップや今後の方向性を明らかにすることを目的としています。SDOHは健康結果に影響を与える社会的、経済的、環境的条件であり、電子健康記録やソーシャルメディアの投稿などの非構造化テキストに埋め込まれています。既存の文献は分散しており、方法論の異質性や研究の質のばらつきがあるため、比較が困難です。 方　法： PRISMAガイドラインに従い、2014年から2025年11月までの間に発表されたNLPを用いたSDOH研究に関する文献を7つの主要データベースから検索し、系統的レビューを実施しました。142件の研究が含まれ、データセットの特性、NLPアプローチ、SDOHドメイン、パフォーマンス指標を抽出しました。リスク・オブ・バイアス分析も行い、影響力のある研究を特定しました。 結　果： 142件の研究のうち、約62.7%が2023年から2025年に発表され、急速な成長が見られました。多くの研究は電子健康記録やプライベートデータセットに依存しており、公共データを使用したのは20.4%に過ぎません。主に研究されたSDOHドメインは、住宅不安定性（50.7%）、雇用（45.8%）、財政状況（44.4%）でした。モデルのパフォーマンスは通常強力で、F1スコアの中央値は約0.75から0.85でした。LLMsは19.7%の研究に登場し、透明性やガバナンスに関する新たな懸念も浮上しました。 結　論： このレビューは、SDOH研究におけるNLPおよびLLMの応用を体系的にまとめ、研究の準備状況や重要なギャップを明らかにしました。統一されたSDOHフレームワークの欠如や公共ベンチマークの不均一な利用可能性、実世界での展開評価の限界が指摘され、これらのギャップを解消することがNLPの進展を公平な健康影響に結びつけるために重要であると結論付けています。