臨床大規模言語モデルの構造的洞察とトランスレーショナル・レディネスへの障壁

科学分野:

• 医療情報学
• ヘルスケアにおける人工知能
• 臨床意思決定支援

背景:

• 臨床大規模言語モデル（LLM）は、ヘルスケアの意思決定に急速に統合されています。
• 構造的特徴の不足と外部検証の制限により、重大なトランスレーショナルな障壁が存在します。

研究 の 目的:

• 臨床LLM研究の体系的なマッピングを行うこと。
• 臨床展開のためのLLMの準備に影響を与える構造的パターンを特定すること。

主な方法:

• PRISMA 2020ガイドラインに従って、73件の臨床LLM研究（2020年1月～2025年3月）の構造化されたエビデンスマッピングを実施しました。
• 臨床タスク、アーキテクチャ、データ型、検証、評価メトリック別に研究を分類しました。

主要な成果:

• ほとんどの研究は、テキストデータと英語のリソースを使用して、早期段階のタスク（例：質問応答、疾患予測）に焦点を当てていました。
• 外部検証（6.9％）と前向きデザイン（4.1％）の制限は、トランスレーショナルなギャップを浮き彫りにしました。
• 主に定量的評価（79.5％）であり、ユーザビリティのための定性的アプローチの認識が高まっています。

結論:

• 臨床LLM研究は主に探索的であり、言語、データ型、設定を超えた一般化が不足しています。
• 将来の研究では、多言語/マルチモーダルトレーニング、前向きデザイン、厳密な外部検証を強調する必要があります。
• 臨床的信頼性のためには、定量的および定性的メトリックを組み合わせたハイブリッド評価フレームワークが不可欠です。