プライマリヘルスケアにおける処方のための大規模言語モデル生成患者指示の前臨床アルゴリズム検証
カテゴリ：医療現場の業務効率化
公開日：2026年5月27日
タイトル：Large Language Model-Generated Patient Instructions for Prescriptions in Primary Health Care: Preclinical Algorithm Validation
雑誌名：J Med Internet Res. 2026 May 26; 28: e84444. doi: 10.2196/84444.
概 要：
本研究は、プライマリヘルスケアにおける処方を補完するために、大規模言語モデル（LLM）が生成する薬剤使用指示の性能を評価しました。生成された指示は、患者情報リーフレットに基づいてChatGPT-4.0、Llama3.1-8B、Llama3.1-8B-RAGによって作成され、62名の医療専門家による評価が行われました。結果として、LLMによる指示生成は、治療遵守を向上させる可能性が示唆されました。
方 法：
この研究は、ランダム化された盲検実験の前臨床研究であり、62名の医療専門家に処方誘導シナリオが割り当てられました。指示は、ChatGPT-4.0、Llama3.1-8B、Llama3.1-8B-RAGによって生成され、適切性、完全性、明瞭さ、言語の簡素化、有用性、エラーの指標が評価されました。
結 果：
3つのモデルは、指示生成において高いスコアを示しました（ChatGPT-4.0: 中央値88.4、Llama3.1-8B: 中央値66.5、Llama3.1-8B-RAG: 中央値79.9）。ChatGPT-4.0は、言語の簡素化において他のモデルを上回りました。誤った使用を導く指示の頻度は、モデル間で類似していました（ChatGPT-4.0: 15件、Llama3.1-8B: 19件、Llama3.1-8B-RAG: 19件）。
結 論：
外部情報を活用したオープンソースのLLMは、閉じられたソースモデルと同等の性能を示しましたが、ChatGPT-4.0は言語の簡素化において優れていました。LLMによる指示生成は、患者への薬剤使用指導において有望であるものの、電子処方のワークフローへの導入には、医師による検証とLLMのパフォーマンスガバナンス戦略が必要です。