SynthMedic：大規模言語モデルを用いた合成退院サマリーの生成、修正および検証
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：SynthMedic: Utilizing large language models for synthetic discharge summary generation, correction and validation.
雑誌名：J Biomed Inform. 2025 Oct; 170: 104906.
概 要：
本研究の目的は、実際の患者データを必要とせずに、大規模言語モデル（LLM）を用いて合成退院サマリーを生成、検証、修正する方法論を開発することです。合成テキストは、医療分野における専門的な言語モデルのトレーニングと評価において、透明性を向上させ、バイアスやコストを削減することができます。合成テキストは実際の患者情報を含まないため自由に共有でき、特定のタスクに合わせてカスタマイズ可能です。
方 法：
提案されたアプローチでは、特定の疾患に対する合成退院サマリーを生成するためにLLMを使用し、国際的に受け入れられた医療実践に基づく生成を行うためにMerck Manualsの標準医療リファレンスを利用します。生成されたサマリーは、LLMおよび人間の専門家による検証を通じて評価されます。また、知識グラフを用いて生成された退院サマリーの自動修正方法も提案しています。
結 果：
人間の専門家による評価の結果、生成された合成退院サマリーは、医療リファレンスの文脈が提供されると信頼性が高く、事実に基づいていることが示されました。生成されたサマリーは、医療専門家による包括的な評価基準に基づいて94.35%のシステムユーザビリティスコアを達成し、LLMによる評価では93.65%の忠実度スコアを得ました。
結 論：
提案された方法論は、さまざまな疾患に対して高品質な合成退院サマリーを生成するために利用できることが示されました。生成された合成コーパスは、社会的に重要な9つの疾患を代表する900件の退院サマリーから成り、オープンライセンスの下で公開されています。このコーパスと提案された方法論は、医療専門家の日常業務を支援するために、実際の患者データを使用せずに複雑な機械学習モデルのトレーニングに役立てることができます。