自己評価を用いたファインチューニング大型言語モデルによる正確な退院サマリー生成
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：Accurate discharge summary generation using fine tuned large language models with self evaluation.
雑誌名：Sci Rep. 2026 Jan 17; 16(1): 5607.
概 要：
退院サマリーは患者ケアの継続、臨床的意思決定、法的文書として重要ですが、その作成は手間がかかります。本研究では、医療文書の正確性と完全性を確保しつつ、臨床医の負担を軽減するために、先進的な自然言語処理技術を用いた退院サマリー生成の自動化フレームワークを提案します。Decomposed Low-Rank Adaptation（DoRA）法と新しい自己評価メカニズムを組み合わせ、大型言語モデル（LLM）を医療テキスト生成に適応させました。実験の結果、自己評価によりBERTScoreが6.9%向上し、ROUGE-Lが69.6%増加しました。この研究は、AI駆動のツールが医療文書の自動化において高い精度と関連性を維持しつつ、退院サマリーの生成時間を短縮できる可能性を示しています。
方 法：
本研究では、退院サマリー生成のために、DoRA法を用いて事前学習済みの大型言語モデルを医療分野に適応させました。自己評価メカニズムは、生成されたサマリーとセグメント化された臨床データをモデルに再入力し、各データセグメントの欠落を検出・修正することを可能にします。これにより、生成物が元の入力を正確かつ包括的に表現することを保証します。
結 果：
自己評価メカニズムを用いることで、BERTScoreが6.9%向上し、ROUGE-Lが69.6%増加しました。さらに、質的指標でも正確性と完全性の一貫した向上が確認されました。これにより、生成された退院サマリーの質と一貫性が大幅に向上し、作成にかかる時間が短縮されました。
結 論：
本研究は、AI駆動のツールが医療文書の自動化において高い精度と関連性を維持しつつ、退院サマリーの生成時間を短縮できる可能性を示しています。