大規模言語モデルとeトリガーを用いた救急部における診断機会の見逃しのスクリーニング
カテゴリ：災害・救急医療
公開日：2026年6月30日
タイトル：Screening for Missed Opportunities for Diagnosis in the ED Using eTriggers and Large Language Models
雑誌名：JAMA Netw Open. 2026 Jun 01; 9(6): e2620939. doi: 10.1001/jamanetworkopen.2026.20939.
概 要：
本研究は、救急部（ED）における診断機会の見逃し（MODs）を特定するために、大規模言語モデル（LLM）を評価することを目的としています。従来の行政的電子トリガー（eトリガー）を用いた質のレビューはMODsの検出率が低いため、LLMがその改善に寄与する可能性があります。実際のデータを用いた評価は限られているため、LLMの有用性を検証しました。
方 法：
本研究は、2015年4月から2025年3月までの間に、米国の1つの医療システム内の9つのED（2つの学術病院と7つの地域病院）で行われた後ろ向き診断研究です。72時間以内の再入院と、24時間以内のICUへの移行を伴うED入院の2つのeトリガーコホートから、200件と100件の症例を抽出し、Safer Dxフレームワークに基づくレビューを通じて2人の救急医が審査しました。
結 果：
300件のサンプルのうち12件が除外され、288件が分析対象となりました。MODsは39件（13.5%）で、72時間再入院コホートでは11.0%、床からICUコホートでは18.6%でした。モデルの感度は、72時間再入院コホートでGPT-5 miniが42.9%からClaude Sonnet 4が85.7%まで、床からICUコホートではGPT-5 miniが5.6%からClaude Sonnet 4が55.6%まで変動しました。特異度は、72時間再入院コホートでClaude Sonnet 4が55.9%からGPT-5 miniが82.9%まで、床からICUコホートではClaude Sonnet 4が64.6%からGPT-5 miniが97.5%まででした。
結 論：
この診断研究では、LLMのパフォーマンスはコホートによって異なり、同様の識別能力を示しましたが、感度と特異度のトレードオフが異なることが明らかになりました。これらの結果は、実装前にレビューのワークフロー内での評価が必要であることを示唆しています。