AIが解く世界の難問 · 医学・創薬 · Nature (computational biology) · 2026-10-16
大規模な臨床情報抽出におけるLLMの多段階検証フレームワーク
原題: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
大規模言語モデル（LLM）を診療記録からの情報抽出に用いる際、人手による大量の注釈なしに信頼性を評価する方法が課題だった。本研究では、プロンプト調整、ルールベースの絞り込み、意味的根拠の確認、LLMによる判定、専門家レビュー、予測妥当性の分析を組み合わせた多段階の検証フレームワークを提案した。11種類の物質に関する薬物使用障害の診断を91万9783件の臨床記録から抽出して適用したところ、根拠のない抽出の14.59%が除外された。判定用LLMを基準としたF1スコアは0.80で、LLMが抽出した診断は構造化データより専門的治療の利用をよく予測した。