医療における大規模言語モデルの可能性：心血管疾患分析に焦点を当てて
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Exploring the potential of large language models in healthcare: a focus on cardiovascular disease analysis
雑誌名：Health Inf Sci Syst. 2026 Dec; 14(1): 35. doi: 10.1007/s13755-026-00432-3. Epub 2026 Jan 31.
概 要：
本研究は、大規模言語モデル（LLMs）の医療分野における応用可能性を探ることを目的としています。ビッグデータと人工知能技術の急速な発展に伴い、患者データや医療記録の効率的な活用が診断精度の向上や疾病リスク予測に寄与します。研究フレームワークを構築し、構造化データと非構造化データにおける評価モデルの適用を評価します。
方 法：
本研究では、医療データ分析におけるLLMsの適用性と性能を評価するための「HLLM-Potential Framework」を提案します。公に利用可能な心血管データセットを用いて、既存のLLMsを医療データに特化したタスクで訓練し、疾病予測と健康リスク評価を行います。また、LLMsと従来の機械学習・深層学習モデルの比較実験を通じて、その予測性能の違いを定量化します。
結 果：
既存のLLMsは、構造化および非構造化医療データを処理し、疾病予測と健康リスク評価を行うことができます。心不全に焦点を当てた構造化心血管疾患予測タスクでは、全てのLLMsが80%以上の精度と再現率を達成しました。また、ECG画像分類における非構造化心血管データ分析では、マルチモーダルLLMであるJanus Pro 7Bが85%の全体精度を達成しました。
結 論：
従来の機械学習および深層学習モデルと比較して、LLMsはインタラクティブ性や一般化能力が高く、データ品質や特徴エンジニアリングへの依存度が低いことが示されました。LLMsは医療分野において高効率、高柔軟性、マルチモーダル統合の利点を提供し、今後広く応用されることが期待されます。