MEDICINE & AI

タイトル：Turning Dialogues Into Event Data: Lessons From GPT-Based Recognition of Nursing Actions 雑誌名：J Biomed Inform. 2025 Dec; 172: 104957. 概　要： 本研究は、家庭での看護ケアにおける会話データから構造化されたイベントログを生成するために、大規模言語モデル（LLM）を使用する実現可能性を評価することを目的としています。これにより、文書作成の負担を軽減し、プロセス分析を可能にすることを目指しています。27件の音声記録された訪問を分析し、看護介入を特定し、標準化された看護介入分類（NIC）システムを用いてイベントログを構築しました。 方　法： 27件の音声記録された家庭訪問を対象にした探索的研究を実施しました。これらの記録は文字起こしされ、Generative Pre-Trained Transformer（GPT）に入力され、看護介入を特定し、イベントログを構築しました。異なるプロンプトを適用し、コンピュータ科学者と看護研究者の間で反復的に評価しました。 結　果： GPTは、特に活動が明示的に議論され、時間的に整合している場合に、会話の文字起こしから看護介入を抽出する能力を示しました。しかし、情報が暗黙的、あいまい、または対話に捉えられていない場合には課題が生じました。データソースの制限、活動ラベルの選択、信頼性の調整、幻覚の処理、利害関係者特有の出力ニーズに関する5つのガイドラインを提案しました。 結　論： LLMは、非公式な臨床対話を構造化されたケアの表現に変換する可能性を示しています。専門家の監視とカスタマイズされたプロンプトが重要であり、将来のモデル改善が信頼性を高める可能性がありますが、実際の医療環境での適用には注意が必要です。