原題
Improving mortality prediction after radiotherapy with large language model structuring of large-scale unstructured electronic health records.
背景:余命に基づいた放射線治療(RT)のための患者の正確な選択は極めて重要である。従来の生存モデルは精度に欠けることが多く、構造化されていない電子医療記録(EHR)データを分析するための大規模言語モデル(LLM)の探索を動機付けている。
方法:この研究では、構造化されていないデータを構築するためにオープンソースのLLMを使用して、34,276人のRT治療患者からのEHRデータを分析した。このモデルの性能は、852人の外部患者で検証され、様々な予測方法を用いて、領域特異的LLMおよびより小さな変異体と比較された。
結果:LLM構造化データは87.5%の精度で、ドメイン固有のモデルよりも優れていた。LLMの特徴を組み込むことで、生存予測が有意に改善され、リスク層別化が強化された。
結論:LLMは構造化されていないEHRを効果的に構築することができ、生存予測精度およびモデルの解釈可能性を改善し、RT治療のためのより良い臨床的意思決定に役立つ。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111052
PMID: 40692078
コメント