病理報告における角化細胞癌の自動識別に関する大規模言語モデルの利用
カテゴリ：公衆衛生・予防医療
公開日：2026年7月10日
タイトル：Automated identification of keratinocyte cancers in pathology reports using large language models.
雑誌名：PLOS Digit Health. 2026 Jul; 5(7): e0001547. doi: 10.1371/journal.pdig.0001547.
概 要：
角化細胞癌（KC）は白人に最も多く見られる癌ですが、報告要件の違いにより癌登録において過小評価されています。医療報告からKCのサブタイプを手動で抽出するのは労力がかかり、特に複数の皮膚病変が同時に切除される場合は時間がかかります。本研究では、Meta-AI（LLaMA）3.1-8B-Instructというオープンソースの大規模言語モデルを、オーストラリアのQSkinサンと健康研究の参加者から得た26,179件の手動レビュー済み病理報告に基づいて微調整しました。このモデルは、KCの4つのサブタイプに対して高いF1スコアを達成しました。
方 法：
本研究は、オーストラリアのQSkinサンと健康研究から得た26,179件の病理報告を用いたコホート研究です。KCが組織学的に確認された10,326人の参加者からデータを収集し、217件の病理報告に対して独立した検証を行いました。主要評価指標はF1スコアであり、KCのサブタイプの分類において0.90以上を達成しました。
結 果：
微調整されたモデルは、角化細胞癌の4つのサブタイプに対してF1スコアが0.90を超え、診断分類の頻度加重平均F1スコアは0.84、解剖学的部位のF1スコアは0.83でした。外部検証では、F1スコアが0.73から0.86の範囲で安定した性能を示しました。このモデルは、病理報告を1分間に24件処理でき、スケーラブルな自動病気表現が可能です。
結 論：
微調整されたQSkin-llama-3.1-8bモデルは、病理報告から角化細胞癌を正確に分類し、診断や解剖学的部位を特定する能力を持ち、大規模な健康データセットに対する自動化された病気表現の実現に寄与します。