大規模言語モデルががん患者の心臓EventDataを自動抽出

ジェファーソン大学医学部の研究チームは、大規模言語モデル（LLM）を活用してがん患者の電子健康記録から心臓毒性関連イベントデータを自動抽出するアルゴリズムを開発した。同研究は放射線・生物・物理学専門誌に論文として公表された。乳がんや肺がん治療では心肺臓域の解剖学的近接性により心臓障害リスクが懸念されるが、従来の記録精査は人的コストが莫大だった。 チームはオープンソースのLLMを活用したプロンプト設計フレームワークを構築し、DeepSeek-R1-70b、Llama-3.3、Mistral-Largeなどの汎用推論モデルの性能を検証した。上位3モデルは診断精度とフォーマット遵守率の両面で優れ、実証段階へ進出した。411件の患者記録を対象とした試験では、データ抽出成功率を71～85．5％と記録した。特に疾患否定表現のフィルタリングに顕著な効果を発揮し、偽陽性を効果的に抑制している。 処理速度の改善は決定的であり、人間が記録1件を精査するのに約2時間を要したのに対し、本システムは20～42秒で処理を完了した。研究を主導したWenchao博士は、自動化による業務負荷の大幅軽減を評価している。精度向上の余地は残るものの、本手法の臨床応用が進めば、心臓毒性リスクが高い患者の早期特定が可能となり、個別化された放射線治療計画の策定と副作用低減に貢献すると期待される。Nilanjan Halder医師を始めとする研修医や学生らも研究体制に参加している。