大規模言語モデルに基づく手術スケジューリング
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：Surgery scheduling based on large language models
雑誌名：Artif Intell Med. 2025 Aug; 166: 103151.
概 要：
本研究は、大規模言語モデル（LLM）の手術スケジューリング問題への応用を探求しています。従来の多目的最適化アルゴリズムは専門知識を必要とすることが多いですが、LLMを進化的最適化者として利用するLLM-NSGAを提案しました。40のケースにおいて、LLMは独自に高品質な解を生成し、問題の規模が大きくなるにつれて、LLM-NSGAは従来の手法を上回る結果を示しました。さらに、ハイパーパラメータの最適化にもLLMを適用し、従来の手法と比較してランタイムを平均23.68%短縮しました。
方 法：
本研究では、LLMを用いた進化的最適化手法（LLM-NSGA）を提案し、手術スケジューリング問題に適用しました。40のケースを対象に、LLMが選択、交差、突然変異の操作を行い、従来のNSGA-IIやMOEA/Dと比較しました。ハイパーパラメータの最適化には、ベイズ最適化やアリコロニー最適化（ACO）と比較しました。
結 果：
LLM-NSGAは、NSGA-IIやMOEA/Dに対してそれぞれ平均5.39%、80%、0.42%の改善を達成しました。また、LLMによるハイパーパラメータ最適化は、ランタイムを平均23.68%短縮し、生成されたパラメータはNSGA-IIで検証された結果、より良い手術スケジューリング解を提供しました。
結 論：
LLMは従来のアルゴリズムに対してより良い解を見つけるだけでなく、パラメータの最適化も効率的に行えることが示されました。これにより、手術スケジューリングの改善が期待されます。