大規模言語モデルを用いた外傷重症度スコア計算の自動化：外傷スコアリングにおける大規模言語モデル支援の実現可能性調査

科学分野:

• 医療情報学; 外傷外科; ヘルスケアにおける人工知能

背景:

• 外傷重症度スコア（ISS）は外傷評価に不可欠ですが、手動計算はエラーが発生しやすく、時間がかかります。現在の方法では登録医による手動スコアリングに依存しており、潜在的な不正確さや遅延につながっています。

研究 の 目的:

• 自動化されたISS計算のための大規模言語モデル（LLM）使用の実現可能性を評価すること。手動方法と比較して、LLM支援外傷スコアリングの精度と信頼性を評価すること。

主な方法:

• 2022年の患者データを使用したレベルI外傷センターでの後向き研究。外傷スコアリングの原則に関する構造化プロンプトでトレーニングされたLLM。ピアソン相関、ICC、およびBland-Altman分析を介して登録医によって計算されたISSと比較したLLM生成ISSを使用した100例の検証。

主要な成果:

• LLM ISSと登録医ISS間の高い一致（ICC=0.981）。Bland-Altman分析において、LLMは高い精度（0.91）と最小の平均バイアス（-0.03）を示しました。ISS範囲全体で一貫したパフォーマンスを示しました。

結論:

• LLM生成ISSは、外傷スコアリングのための信頼性が高く正確な自動化方法です。臨床ワークフローを合理化し、外傷評価における人的エラーを削減する可能性があります。今後の研究では、リアルタイム統合と他のスコアリングシステムへの適用に焦点を当てるべきです。