機械学習モデルを用いた国立衛生研究所資金による心停止研究の特定
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：Use of machine learning models to identify National Institutes of Health-funded cardiac arrest research
雑誌名：Resuscitation. 2025 Mar; 208: 110545.
概 要：
本研究は、心停止（CA）に関する国立衛生研究所（NIH）からの助成金を手動で分類した結果と比較し、3つの人工知能（AI）分類戦略の性能を評価することを目的としています。最終的には、米国におけるCA研究資金を追跡するための公開ツールの開発を目指しています。研究では、従来の機械学習、ゼロショット学習、少数ショット学習の3つのAI戦略を比較しました。
方 法：
本研究では、2007年から2021年までのNIH RePORTERから手動で分類されたCA助成金の要約を用い、3つのAI戦略を比較しました。従来の機械学習は、OpenAIのテキスト埋め込みモデルを用いて生成された埋め込みベクトルに基づくロジスティック回帰モデルを使用しました。ゼロショット学習は、ラベル付き例なしでタスク記述に基づいて助成金を分類しました。少数ショット学習は、6つの例助成金を含みました。モデルは、20%のホールドアウトテストセットを用いて評価され、精度、適合率、再現率、F1スコアが算出されました。
結 果：
1,505件の助成金のうち、378件（25%）がCA研究として特定され、ホールドアウトテストセットには302件が含まれ、そのうち76件がCA研究でした。少数ショットアプローチが最も優れた性能を示し、精度0.90、F1スコア0.82を達成しました。従来の機械学習は精度0.87で最も低く、適合率は0.89でしたが、再現率が低く、偽陰性が約2.5倍多くなりました。ゼロショットアプローチは、精度0.88、再現率0.86で従来の機械学習を上回りましたが、適合率は0.72でした。
結 論：
AIは、心停止助成金を迅速に特定できることが示され、高い精度と良好な適合率・再現率を持つため、研究資金の追跡に有望なツールとなる可能性があります。