健康科学：医療システム規模の言語モデルは多目的予測エンジンである

医師は、時間的制約のある重要な意思決定を日々行っている。臨床の予測モデルは、起こり得る臨床や運営上の事象を予測することで、医師や管理者の意思決定を支援することができる。既存の構造化データに基づく臨床予測モデルは、データ処理に加えてモデルの開発と展開が複雑であるため、日常業務での使用は限定的である。今回我々は、電子健康記録上の構造化されていない臨床記録によって、臨床の言語モデルを訓練することができ、その言語モデルを、開発と展開に手間がかからない多目的な臨床予測エンジンとして使用できることを示す。我々の手法では、自然言語処理における最近の進歩を利用して、医療用言語の大規模言語モデル（NYUTron）を訓練した後に、広範な臨床や運営上の予測タスクにわたってそれを微調整する。我々はこの手法を、原因を問わない30日以内の再入院予測、院内死亡率予測、併存疾患指数予測、在院日数予測、保険の支払い拒否予測という5つのタスクについて、我々の医療システム内で評価した。その結果、NYUTronの曲線下面積（AUC）は78.7～94.9％であり、従来のモデルと比較してAUCが5.36～14.7％向上していた。さらに我々は、臨床文書による事前訓練の利点や、微調整による他施設への一般化可能性の向上、前向きの単一群試験における我々のシステムの完全な展開について実証する。これらの結果は、医療において臨床言語モデルを使用することで、医師と共にデータを読み、医療現場での指針を提供できる可能性を示している。

目次へ戻る