MEDICINE & AI

タイトル：AI-generated neurology consultation summaries improve efficiency and reduce documentation burden in the emergency department. 雑誌名：Sci Rep. 2025 Nov 06; 15(1): 38868. 概　要： 本研究は、救急部門における神経学的コンサルテーション報告書の自動生成が、医師の文書負担を軽減し、効率を向上させる可能性を評価することを目的としています。医師は電子健康記録（EHR）に多くの時間を費やしており、コンサルテーション要約はケアの継続性や臨床的意思決定に重要です。250件の神経学的コンサルテーション報告書を基に、大規模言語モデル（LLM）を用いて自動要約を生成し、元の報告書と比較しました。生成された報告書は、簡潔でアクセスしやすいスタイルであり、神経科医の報告書と高い意味的類似性を示しましたが、執筆スタイルには顕著な違いが見られました。 方　法： 本研究は、250件の神経学的コンサルテーション報告書を参照出力として使用したコホート研究です。各ケースの報告書の構成要素を大規模言語モデル（LLM）に入力し、プロンプトエンジニアリングと情報検索を用いて自動要約報告書を生成しました。性能指標として、Recall-Oriented Understudy for Gisting Evaluation（ROUGE）とセマンティック埋め込み（Clinical-BioBert）を使用しました。 結　果： LLM生成の報告書は、神経科医の報告書と高い意味的類似性（0.89±0.03）を示しましたが、報告書の長さには顕著な違いがあり、LLM生成の報告書はより簡潔でした（61.56 vs. 94.75語、p<0.001）。また、LLM生成の報告書はより明確でアクセスしやすいスタイルで書かれていました（FKGL=11.3 vs. 12.22、p<0.001）。しかし、執筆スタイルには大きな違いがありました（ROUGE-1 F1=0.25、ROUGE-2 F1=0.09、ROUGE-L F1=0.19）。 結　論： LLM生成の神経学的コンサルテーション報告書は、人間が作成した報告書との強い意味的整合性を示しつつ、より簡潔でアクセスしやすい形式を提供します。しかし、執筆スタイルの違いは、神経科医の報告書の個別性を欠く可能性があることを示唆しています。