新生児罹患率予測のための事前学習済み言語モデルの開発と検証：後向き、多施設共同、予後研究
Feng Xie1, Philip Chung2, Jonathan D Reiss3
1Department of Anesthesiology, Perioperative and Pain Medicine, Stanford University, Stanford, CA, USA; Department of Pediatrics, Stanford University School of Medicine, Stanford, CA, USA; Department of Biomedical Data Science, Stanford University, Stanford, CA, USA; Division of Computational Health Sciences, Department of Surgery, University of Minnesota, Minneapolis, MN, USA.
The Lancet. Digital health
|December 19, 2025
まとめ
NeonatalBERTは、臨床記録から新生児罹患リスクを推定する大規模言語モデル（LLM）です。このAIツールは、新生児ケアと病院の効率を改善する可能性を示しています。
科学分野:
- 医療における人工知能
- 臨床情報学
- 新生児の健康
背景:
- 新生児罹患の早期特定は、適時の介入のために重要です。
- バイオマーカーおよび表形式データを使用した従来の方法は、新生児罹患リスクの評価において限界があります。
- 大規模言語モデル（LLM）は、構造化されていない臨床記録の分析において可能性を提供します。
主な方法:
- 2つの米国学術医療センターの後向きプライマリおよび外部コホートを使用した予後研究。
- NeonatalBERTは、臨床記録で事前学習およびファインチューニングされました。
- パフォーマンスは、19の新生児罹患率に対するArea Under the Precision-Recall Curve（AUPRC）およびF1スコアを使用して、BioBERT、Bio-ClinicalBERT、および従来のモデルと比較して評価されました。
結論:
- NeonatalBERTは、構造化されていない臨床記録から新生児罹患リスクを効果的に推定します。
- このモデルは、新生児ケアを強化するための大きな可能性を示しています。
- このAIアプローチは、病院の運営を合理化し、患者の転帰を改善するのに役立ちます。
