MEDICINE & AI

タイトル：Natural language generation in healthcare: A review of methods and applications. 雑誌名：J Biomed Inform. 2026 Feb 10; 176: 104997. 概　要： 本研究は、医療分野における自然言語生成（NLG）の方法と応用についての系統的レビューを行い、NLGの方法、評価、応用、課題に関する4つの主要な研究質問に対する定量的および定性的な分析を提供します。2018年から2024年までのNLG関連の研究を対象に、3,988件の文献から113件を選定し、データモダリティ、モデルアーキテクチャ、評価指標、応用分野にわたって分析しました。 方　法： PubMed、ACM Digital Library、Web of Science、Science Direct、Scopus、Embase、ACL Anthologyを検索し、2018年から2024年の医療におけるNLG関連の研究を調査しました。3,988件の研究の中から、113件が選定基準を満たし、データモダリティ、モデルアーキテクチャ、評価指標、応用分野に基づいて分析されました。 結　果： 医療におけるNLGは大きく成長しており、年次出版数は2018年の2件から2024年には40件に増加しました。113件の研究のうち、テキストからテキストへの生成が最も一般的なデータモダリティ（65.5%）であり、次いで画像からテキスト（19.5%）、マルチモーダルからテキスト（15.0%）が続きました。トランスフォーマーベースのアーキテクチャが主流で、特にエンコーダ・デコーダモデルが61.6%を占めました。自動評価指標としてROUGE（81.4%）やBLEU（57.5%）が広く使用されており、Likertスケール（31.9%）などの人間評価指標も増加しています。主な応用分野は要約（退院サマリー、放射線レポートなど）、臨床文書、医療対話、データ拡張です。トランスフォーマーベースの大規模言語モデルと大規模なマルチモーダル臨床データセットの蓄積がNLGの進展を促進していますが、事実の一貫性、説明可能性、評価の堅牢性、AIの安全性といった課題が残っています。これらの課題に対処することが、医療におけるNLGの採用にとって重要です。 結　論： NLGは医療分野での応用が進展しており、特にトランスフォーマーベースのモデルが主流となっていますが、実用化にはいくつかの課題が残されていることが示されました。