日本の臨床テキストにおける拡張臨床概念認識のためのエンコーダーおよびデコーダーモデルの評価：重み付きソフトマッチングによる比較研究
カテゴリ：診断支援・画像解析
公開日：2026年5月15日
タイトル：Evaluating Encoder and Decoder Models for Extended Clinical Concept Recognition in Japanese Clinical Texts: Comparative Study With Weighted Soft Matching
雑誌名：J Med Internet Res. 2026 May 14; 28: e78681. doi: 10.2196/78681.
概 要：
本研究は、診断支援などの二次的目的のために医療知識を抽出することの難しさに対処するため、拡張臨床概念認識（E-CCR）モデルの選択に関する初の包括的調査を行いました。短い用語に加え、長く複雑な表現の抽出と評価に焦点を当て、エンコーダーとデコーダーモデルの比較を通じて最適な戦略を特定することを目的としました。臨床的に重要な概念の正確な抽出は、症例報告から因果関係の知識を構築するために不可欠です。
方 法：
約20,000件の日本の症例報告が注釈されたJ-CaseMapデータベースを使用し、17のエンコーダーおよびデコーダーモデルを評価しました。性能は主に重み付きソフトマッチングスコアを用いて評価され、長い抽出ターゲットの断片化をペナルティとして考慮しました。
結 果：
J-CaseMapにおいて、ドメイン特化型の医療テキストで事前学習されたエンコーダーモデルJMedDeBERTa(s)が最高の平均性能（F1スコア=0.758）を達成しました。エンコーダーモデルはデコーダーモデルを上回り、トークン分類が長い表現の抽出において優れていることが示されました。重み付きソフトマッチングスコアを用いた結果、断片化ペナルティが増加しても性能は大きく低下しないことが確認されました。
結 論：
エンコーダーベースのトークン分類が最高の平均性能を達成し、デコーダーベースのアプローチはこの設定ではエンコーダーベースのモデルを上回らなかったことが示されました。トークン分類は長い表現の抽出に優れ、今後の研究では他の言語や医療文書タイプにおける結果の一般化が求められます。