微調整された大規模言語モデルを用いた症状に基づくうつ病評価
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：Using a fine-tuned large language model for symptom-based depression evaluation
雑誌名：NPJ Digit Med. 2025 Oct 07; 8(1): 598. doi: 10.1038/s41746-025-01982-8. Epub 2025 Oct 07.
概 要：
本研究は、人工知能、特に大規模言語モデル（LLM）の進展が、自然言語からのうつ病症状の自動検出において有望であることを示しています。ドイツ語のBERTベースのLLMを微調整し、構造化された臨床面接と合成生成された面接に基づいて、個々のMontgomery-Åsberg Depression Rating Scale（MADRS）スコアを予測する回帰アプローチを採用しました。微調整されたモデルは、項目ごとに平均絶対誤差0.7-1.0を達成し、正確性は79%から88%の範囲で、臨床医の評価と密接に一致しました。この結果は、軽量なLLMがうつ病症状の重症度を正確に評価する可能性を示しており、特にリソースが限られた環境での臨床意思決定や治療進捗のモニタリングにおいてスケーラブルなツールを提供します。
方 法：
本研究では、ドイツ語のBERTベースの大規模言語モデルを微調整し、構造化された臨床面接および合成生成された面接データを用いて、うつ病症状の評価を行いました。回帰アプローチを用いて、Montgomery-Åsberg Depression Rating Scale（MADRS）の各項目に対する予測を行い、モデルの性能を評価しました。
結 果：
微調整されたモデルは、項目ごとに平均絶対誤差0.7-1.0を達成し、正確性は79%から88%の範囲で、臨床医の評価と一致しました。微調整により、未訓練モデルに対して予測誤差が75%減少しました。
結 論：
軽量な大規模言語モデルは、うつ病症状の重症度を正確に評価する可能性があり、特にリソースが限られた環境において臨床意思決定や治療進捗のモニタリングに役立つスケーラブルなツールとなることが期待されます。