電子健康記録統合型大規模言語モデルを活用した外科患者のトリアージツール
カテゴリ：災害・救急医療
公開日：2026年8月21日
タイトル：An Electronic Health Record-Integrated, Large Language Model-Powered Tool to Triage Surgical Patients
雑誌名：JAMA Netw Open. 2026 Aug 03; 9(8): e2629579. doi: 10.1001/jamanetworkopen.2026.29579.
概 要：
この研究は、外科的共同管理（SCM）の適格患者を自動的にトリアージするための大規模言語モデル（LLM）を活用したツールの有効性を評価することを目的としています。SCMは、医療的に複雑な周術期患者を外科チームと共同で管理する証拠に基づくケアモデルですが、適格患者の手動特定が必要なため、効果的な利用が制限されています。本研究では、Stanford Health Careで実施された前向きな品質改善研究の結果を報告します。
方 法：
この前向き、非盲検の品質改善研究は、2025年9月から2026年2月までStanford Health Careで行われました。LLMを基にした電子健康記録（EHR）統合型のトリアージツール（SCM Navigator）がSCMのトリアージ推奨を提供し、医師によるレビューが行われました。手術前の文書、構造化データ、周術期の有害事象に関する臨床基準を使用して、患者をSCMに適切、不適切、または可能性があると分類しました。
結 果：
14人のSCM担当医師が研究に参加し、6193件の外科ケースがトリアージされました（中央値年齢60.2歳、女性49.0%）。1582件（25.5%）が病院医師の相談を推奨されました。治療医師の判断を基準とした場合、ツールはSCMに適した患者を特定するための感度が高く（0.94）、特異度は中程度（0.74）でした。医療記録の後方レビューでは、ほとんどの不一致が臨床基準や医療機関のワークフローの修正可能なギャップに起因していることが示されました。
結 論：
この前向きな品質改善研究では、LLMを活用したEHR統合型AIシステムが外科患者のトリアージを正確に補完することが示されました。AIを活用したスクリーニングツールは、外科患者のトリアージを効果的に支援する可能性があります。