MEDICINE & AI

タイトル：Large language models accurately identify immunosuppression in intensive care unit patients. 雑誌名：J Am Med Inform Assoc. 2025 Dec 01; 32(12): 1888-1898. doi: 10.1093/jamia/ocaf141. 概　要： 本研究は、大規模言語モデル（LLMs）が集中治療室（ICU）患者の免疫抑制を特定する能力を評価しました。従来のルールベースの構造化データアルゴリズムや自然言語処理（NLP）アプローチは、免疫抑制の特定において限られた精度と一般化能力を持っています。827人のICU患者の入院ノートを用いたプライマリコホートと、200人のICU患者のバリデーションコホートを比較し、免疫抑制状態や薬剤の特定におけるLLMsの性能を評価しました。 方　法： 本研究では、ノースウェスタンメモリアル病院の827人のICU患者の入院ノートと、ベス・イスラエル・ディーコネス医療センターの200人のICU患者のバリデーションコホートを使用しました。免疫抑制状態7種類と免疫抑制薬6種類の特定における構造化データアルゴリズム、NLPアプローチ、LLMsの性能を評価しました。 結　果： プライマリコホートにおいて、構造化データアルゴリズムは免疫抑制状態や薬剤の特定でF1スコアが0.30から0.97の範囲でした。NLPアプローチはF1スコアが0から1の範囲でした。GPT-4oは、すべての状態と薬剤において構造化データアルゴリズムやNLPアプローチを上回り、F1スコアは0.51から1の範囲でした。バリデーションコホートでも、GPT-4oは8/13の変数でF1=1を達成しました。 結　論： LLMs、特にGPT-4oは、免疫抑制状態や薬剤の特定において構造化データアルゴリズムやNLPアプローチを上回る性能を示しました。LLMsは研究目的のためのコホート特定において有用である可能性があります。