バッファロー大学ジャコブズ医学院の医療AI研究チームは、大型言語モデル（LLM）を用いた外傷患者のトリアージ支援システムに関する研究結果を6月12日付の米外科学会誌に掲載した。本研究は、緊急救助現場からの通信情報が抱える曖昧さや環境ノイズ、時間的制約が救急搬送の精度向上を阻害する課題に対し、LLMの情報処理能力を活用してトリアージの最適化を図ったものである。 救急隊員と病院側の初期通信は、現場の混乱や無線環境、専門表現の不足により断片的になりやすく、重症患者の見落としや過剰な医療資源の動員を招くリスクが高い。特に小児の場合は成人体と異なる生理学的反応を示すため、一見安定したバイタルサインが深刻な内部損傷を隠蔽しやすく、隊員の経験不足も判断を困難にさせる。研究を主導したDARTS研究所のピーター・C・W・キム教授は、現場通信は受診準備の唯一の根拠であり、その質が救命効率を直結すると指摘する。 研究チームは、133症例の小児救急症を対象にLLMの実用性を検証した。LLMは隊員との通話記録をリアルタイムで解析し、非医療関連の会話データを約80％削減しながら、損傷メカニズム、バイタルサイン、意識状態、出血徴候などの臨床情報を構造化されたサマリーとトリアージ推奨レベルに変換する。これによりLLMは医療スタッフと同水準のトリアージ精度を達成した。 本研究の重要な知見は、LLMが医療判断を代替するのではなく、医師の認知支援ツールとして機能する点にある。スタッフの誤判断後にLLMの出力を確認させた試験では、その後の判断修正確率が3倍に上昇した。これにより、時間圧力下での情報取捨選択をAIが代行し、最終的な臨床判断は人間が保持する補助体制が救急トリアージの精度向上に有効であることが実証された。今後は救急通信機器とのリアルタイム連携や、成人症例への適用拡大が課題となる。