臨床腫瘍学データで訓練された大規模言語モデルによる癌進行予測
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：Large language model trained on clinical oncology data predicts cancer progression
雑誌名：NPJ Digit Med. 2025 Jul 02; 8(1): 397. doi: 10.1038/s41746-025-01780-2. Epub 2025 Jul 02.
概 要：
本研究では、腫瘍学に特化したオープンソースの大規模言語モデル（LLM）「Woollie」を紹介します。このモデルは、メモリアル・スローン・ケタリング癌センター（MSK）からの実世界データを用いて訓練され、肺癌、乳癌、前立腺癌、膵癌、大腸癌に対応しています。Woollieは、医療ベンチマークでChatGPTを上回り、非医療ベンチマークでも優れた性能を示しました。39,319件の放射線印象ノートを分析した結果、MSKデータにおいて癌進行予測のAUROCは0.97、膵癌においては0.98を達成しました。UCSFデータでは、全体のAUROCは0.88で、特に肺癌検出において0.95を記録しました。この研究は、腫瘍学に特化したLLMが高い精度と一貫性を持つことを示し、癌進行分析の向上に寄与する可能性を強調しています。
方 法：
本研究は、メモリアル・スローン・ケタリング癌センターからの実世界データを用いたコホート研究です。Woollieは、肺癌、乳癌、前立腺癌、膵癌、大腸癌に関するデータを基に訓練され、UCSFデータによる外部検証も行われました。主要評価指標は、癌進行予測におけるAUROCで、MSKデータでは0.97、膵癌では0.98、UCSFデータでは0.88、肺癌では0.95です。
結 果：
Woollieは、MSKデータにおいて癌進行予測のAUROCが0.97、膵癌においては0.98を達成しました。UCSFデータでは、全体のAUROCが0.88で、肺癌検出においては0.95を記録しました。これにより、腫瘍学に特化したLLMが高い精度で癌進行を予測できることが示されました。
結 論：
Woollieは、腫瘍学に特化した初のLLMであり、異なる施設間での検証を経て高い精度と一貫性を示しました。このモデルは、癌進行分析の向上に寄与する可能性があり、今後の臨床応用が期待されます。