#2-70. 専門家レベルの診断抽出とLLMの最適プロンプト戦略 (Annals of the Rheumatic Diseases, 2025)

大規模な電子カルテ（EHR）データから、いかに効率的かつ高精度に、手間のかかるアノテーション作業を経ずに疾患診断を抽出できるでしょうか? 今回のエピソードでは、この課題に焦点を当てた「Work smarter, not harder: achieve expert-level diagnosis extraction from medical records with optimal prompting of large language models」を取り上げます。本研究は、従来の機械学習の限界を克服するため、LLMのゼロショット推論を活用し、最適化されたプロンプト設計を通じてRAおよびOAの診断抽出精度を検証しました。この研究の最も重要な知見は、LLMがEHRからリウマチ性疾患の診断を専門家レベルの精度（最高99%）で抽出可能であり、この戦略がセンター間および疾患間で一般化可能であることを示唆しており、EHR研究の効率化に大きく貢献します。しかし、不適切なプロンプトやハルシネーションが患者ケアを損なう可能性があるため、慎重な設計と安全対策も考慮し、その臨床的意義を考察していきましょう。これは、LLMの臨床採用が進む医師にとって、適切な使用原則を学ぶ上で重要なテンプレートを提供します。

引用元: Maarseveen TD, Selani D, Steinz N, ten Brinck R, Glas HK, Veris-van Dieren J, Reinders MJT, van den Akker EB, Knevel R. Work smarter, not harder: achieve expert-level diagnosis extraction from medical records with optimal prompting of large language models. Ann Rheum Dis. 000(0), 1–3, 2025. DOI: 10.1016/j.ard.2025.11.001

注: この音声概要は個人の解釈に基づくものであり、元の論文の正確な内容を保証するものではありません。詳細については元の論文をご参照ください。