メイヨークリニックのデータサイエンティスト、Madhu Babu Sikha氏は、大規模言語モデルを活用した人工知能フレームワークを開発し、未構造化の臨床記録から乳癌の遠隔再発部位を高精度に特定することに成功した。この研究成果は学術誌Journal of Biomedical Informaticsに掲載された。 がんの再発部位の特定は、病理レポート、放射線診断報告、腫瘍医のノートなど、多岐にわたる臨床記録の手動レビューに依存してきた。この作業は時間がかかりスケーラビリティに課題があった。同フレームワークは、構造化データベース項目に頼らず、人間が再発部位を判定する際と同様の臨床文書を読み解き、再発サイトを検出する。 研究チームは、単一施設での成功にとどまらず、スタンフォード大学のデータを用いた外部検証を実施した。メイヨークリニックとは異なる記録様式や臨床ワークフローの中でも高い性能を発揮し、モデルが地域固有の記録習慣ではなく、臨床的なパターンを学習していることを実証した。また、一般向けの大型言語モデルと比較し、再発部位の特定に特化した本フレームワークがより優れた性能を示した点も注目に値する。これは医療AIにおいてモデルの規模が必ずしも性能に直結するわけではないという知見を裏付けるものである。 さらに、本研究手法は乳癌以外の領域への汎用性も確認されている。開発時は乳癌を対象としていたが、前立腺癌のデータにも適用した結果、疾患固有の用語ではなく臨床的な記述パターンを学習しているため、他ながん種への適応が可能であることが示唆された。 本技術の実用化は、がんレジストリやアウトカム研究の負担軽減に寄与する。臨床記録に埋もれた重要な情報を効率的に抽出することで、研究者は手動レビューに費やす時間を削減し、治療評価や疾患進行因子の解析に注力できるようになる。医師の臨床判断に取って代わるものではないが、情報の統合と要約タスクにおいて強力な支援ツールとなる可能性がある。今後は、多様な集団における厳密な検証と臨床現場との連携を強化し、実用段階へ移行させることが課題となる。医療記録から得られる膨大なナラティブデータを活用し、がん研究の質的向上と患者ケアの改善につなげる可能性を秘めている。