医薬品併用禁忌のための検索拡張大規模言語モデルシステム

科学分野:

• 医療情報学
• ヘルスケアにおける人工知能
• 医薬品安全性監視

背景:

• 大規模言語モデル（LLM）は汎用性を示しますが、特に医薬品併用禁忌のようなクリティカルなデータにおいては、ヘルスケア分野で課題に直面しています。
• 医薬品併用禁忌に関する正確で信頼性の高い情報は、患者の安全と効果的なヘルスケアに不可欠です。
• 既存のLLMアプリケーションは、薬剤相互作用や患者固有の警告のような複雑な医療情報を確実に処理するために強化が必要です。

研究 の 目的:

• 医薬品併用禁忌を正確に特定するLLMの機能を強化すること。
• 併用禁忌検出の改善のために、検索拡張生成（RAG）パイプラインを実装および評価すること。
• 正確な併用禁忌情報を通じて、処方および薬剤摂取決定における不確実性を削減すること。

主な方法:

• OpenAIのGPT-4o-miniをベースLLMとして、text-embedding-3-smallを埋め込みに使用しました。
• LangChainフレームワークを使用して、再ランキング付きのハイブリッド検索システムを統合しました。
• 年齢、妊娠、併用薬に関する併用禁忌に焦点を当てた薬剤使用レビュー（DUR）データを利用しました。

主要な成果:

• ベースラインLLMの併用禁忌に関する精度は0.49から0.57の範囲でした。
• RAGパイプラインは、精度を年齢で0.94、妊娠で0.87、併用薬で0.89に大幅に向上させました。
• 処方および薬剤摂取決定における不確実性を大幅に削減しました。

結論:

• RAGフレームワークでLLMを拡張することにより、医薬品併用禁忌情報の精度が大幅に向上します。
• 開発されたRAGパイプラインは、信頼性の高い薬剤安全性情報検索のための有望なソリューションを提供します。
• このアプローチは、投薬管理における臨床的意思決定と患者の安全性を向上させることができます。