肺塞栓症に対するエビデンスに基づいたガイドラインと大規模言語モデルのパフォーマンス評価における患者ケアへのAI活用

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:

• AI駆動の大規模言語モデル（LLM）は、患者教育のためにヘルスケアへの統合が進んでいる。
• LLMが複雑な臨床ガイドラインを解釈し適用する有効性は、実際の医師のワークフローにおいては、依然としてほとんど評価されていない。
• 肺塞栓症（PE）は、その明確な管理プロトコルにより、臨床ガイドライン適用におけるLLMパフォーマンスを評価するための理想的なモデルとなる。

主な方法:

• 診断、リスク層別化、治療、フォローアップを網羅する、シミュレートされたPE症例に基づいた10のオープンエンド質問が作成された。
• LLMの応答は、ガイドラインベースの参照回答に対して、2名の救急医が10点満点のスケールで採点した。
• 術者間信頼性は、級内相関係数（ICC）を用いて評価され、グループ比較はKruskal-Wallis検定を用いて行われた。

結論:

• AI駆動のLLMは、肺塞栓症の管理を支援する潜在的な有用性を示している。
• 単一のLLMがPE管理のすべての評価領域で一貫して他のLLMを上回ることはなかった。
• ヘルスケア設定におけるLLMの臨床統合と一貫したガイドライン遵守を改善するためには、さらなる進歩が必要である。