臨床情報抽出の最適化：臨床ノートにおける情報検索強化生成技術の比較研究
カテゴリ：高齢者医療・介護
公開日：2026年5月12日
タイトル：Optimising clinical information extraction: a comparative study of retrieval-augmented generation techniques in clinical notes.
雑誌名：Journal of Biomedical Informatics. 2026 May 09;105053. doi: 10.1016/j.jbi.2026.105053.
概 要：
本研究は、オーストラリアの高齢者介護施設における自由記述の臨床ノートから臨床的に有意義な情報を抽出する課題に取り組んでいます。文書の多様性や標準化されていない構造が障害となる中、情報検索強化生成（RAG）技術の有効性を評価しました。具体的には、6つの情報検索手法を統一されたRAGパイプライン内で比較し、認知症の興奮症状と栄養失調リスク要因の抽出を行いました。結果として、再ランキングやハイブリッド手法が従来の手法よりも優れた性能を示しました。
方 法：
本研究では、オーストラリアの高齢者介護施設から得た実際の臨床ノートを用い、6つの情報検索手法（スパース検索、密な検索、密な再ランキング、動的線形融合、相互ランキング融合、ハイブリッド粗から細への再ランキング）を比較しました。208件のデータを用いて、興奮症状と栄養失調リスク要因の抽出を行い、文脈の関連性、回答の質、情報源の信頼性、文脈の多様性、アイテムレベルの正確性の5つの次元で評価しました。
結 果：
再ランキングおよびハイブリッド手法は、従来のスパース検索や密な検索よりも優れた結果を示しました。興奮症状の抽出では、密な再ランキングが最高のAnswer F1（0.946）、文脈の多様性（0.895）、アイテムレベルの正確性（0.963）を達成しました。栄養失調の抽出では、ハイブリッド手法が最良のアイテムレベルの正確性（0.944）を示しました。
結 論：
再ランキングに基づく情報検索は、臨床情報抽出のためのRAGパイプラインの性能を大幅に向上させることが示されました。この研究は、非構造化臨床テキストの自動分析を改善するための実用的なアプローチを提供し、今後の臨床情報抽出研究や予測モデリングにおける再現可能なフレームワークを提示します。