病理報告からの肺癌の重要臨床指標と生存予測の抽出に関する大規模言語モデルの利用
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Extracting critical clinical indicators and survival prediction of lung cancer from pathology reports using large language models.
雑誌名：Comput Biol Med. 2025 Sep; 195: 110621.
概 要：
肺癌は多くの先進国で癌による死亡の主要な原因であり、主に進行した段階での診断が原因です。本研究では、病理報告から16の重要な特徴を抽出し、進行した肺癌患者の生存予測に利用するための事前学習済み言語モデル（PLMs）の有効性を評価しました。約20,000件の病理報告を4600人の肺癌患者から分析し、3047件の注釈付き報告に対して10倍交差検証を行い、国立台湾大学病院からの1258件の報告を用いて外部検証を実施しました。ファインチューニングされたLLaMA 3モデルが最も高い精度を示し、特徴抽出で92%のF1スコア、生存予測で70%のF1スコアを達成しました。この研究は、肺癌ケアにおけるPLMsの変革的な可能性を強調し、重要な臨床指標の自動抽出と生存予測の改善を通じて、意思決定の効率と患者の転帰を向上させることが期待されます。
方 法：
本研究は、4600人の肺癌患者から得た約20,000件の病理報告を対象とした研究です。病理報告からの16の重要な特徴を抽出するために、事前学習済み言語モデル（PLMs）を使用しました。3047件の注釈付き報告に対して10倍交差検証を行い、国立台湾大学病院からの1258件の報告を用いて外部検証を実施しました。主要評価指標は、特徴抽出でのF1スコア92%、生存予測でのF1スコア70%です。
結 果：
ファインチューニングされたLLaMA 3モデルは、特徴抽出で92%のF1スコア、生存予測で70%のF1スコアを達成しました。交差病院検証により、その堅牢性と一般化可能性が確認されました。これにより、臨床応用の可能性が示されました。
結 論：
PLMsは、肺癌ケアにおいて重要な臨床指標の自動抽出と生存予測の改善を可能にし、意思決定の効率と患者の転帰を向上させる可能性があることが示されました。