SDoH-GPT：大規模言語モデルを用いた健康の社会的決定因子の抽出
カテゴリ：診断支援・画像解析
公開日：2026年1月29日
タイトル：SDoH-GPT: using large language models to extract social determinants of health.
雑誌名：J Am Med Inform Assoc. 2026 Jan 01; 33(1): 67-78. doi: 10.1093/jamia/ocaf094.
概 要：
本研究は、医療ノートから健康の社会的決定因子（SDoH）を抽出するための新しいフレームワーク「SDoH-GPT」を提案します。このフレームワークは、少数ショット学習を活用した大規模言語モデル（LLM）を利用し、従来の労働集約的なアノテーションに依存せず、効率性と汎用性を向上させることを目指しています。SDoH-GPTは、医療ノートからのSDoH抽出を自動化し、コストと時間を大幅に削減することが期待されます。
方 法：
SDoH-GPTは、少数ショット学習LLMを用いて医療ノートからSDoHを抽出し、生成されたアノテーションをトレーニングデータセットとして使用するXGBoost分類器を組み合わせたフレームワークです。この独自の組み合わせにより、広範な医療アノテーションや高コストの人間の介入に依存せずにSDoHを抽出することが可能になります。
結 果：
本アプローチは、時間とコストをそれぞれ10倍および20倍削減し、Cohenのカッパで最大0.92の人間アノテーターとの一貫性を示しました。LLMとXGBoostの革新的な組み合わせにより、高精度と計算効率を確保し、常に0.90以上のAUROCスコアを維持しました。
結 論：
本研究の重要な貢献は、LLMとXGBoostの統合により、コスト効率の良い高品質なSDoHアノテーションを可能にした点です。この研究は、SDoHがよりアクセスしやすく、スケーラブルで、将来の医療ソリューションにおいて影響力を持つことを示唆しています。