うつ病患者における12週間の寛解予測のための推論ベース大規模言語モデル：モデル開発および検証研究

科学分野:

• メンタルヘルスにおける人工知能
• 計算精神医学
• デジタル治療薬

背景:

• うつ病は世界中で3億人以上に影響を与えており、初期の抗うつ薬単剤療法での寛解率は30～40％と限られています。
• うつ病管理における早期治療反応を予測するためのデジタルツールの重要なアンメットニーズが存在します。

研究 の 目的:

• 抗うつ薬単剤療法を受けているうつ病患者の12週間の寛解を予測する上での、推論ベース大規模言語モデル（LLM）の精度を評価すること。
• デジタルメンタルヘルスワークフローへの統合のためのLLM生成された根拠の臨床的妥当性と解釈可能性を評価すること。

主な方法:

• 最初のステップの抗うつ薬単剤療法を受けているMAKEバイオマーカー発見研究の390人の患者からのデータを分析しました。
• ディープリサーチを参照することを含む高度なプロンプト戦略を使用した3つのLLM（ChatGPT o1、o3-mini、Claude 3.7 Sonnet）をテストしました。
• バランスの取れた精度、感度、特異度、PPV、NPVを使用したモデルパフォーマンスの評価、および3人の精神科医による独立した臨床的妥当性評価。

主要な成果:

• 新しいプロンプト戦略でClaude 3.7 Sonnetが最高のパフォーマンス（バランスの取れた精度=0.6697、感度=0.7183、特異度=0.6210）を達成しました。
• 主要な抗うつ薬全体で高い陰性予測値（≥0.75）は、反応しない可能性のある患者を特定する上での有用性を示唆しています。
• 精神科医は、LLMの出力を、正確さ（4.3/5）、一貫性（4.2/5）、および有用性（4.2/5）で好意的に評価しました。

結論:

• 推論ベースLLMは、特に研究に基づいたプロンプトを使用すると、うつ病における抗うつ薬反応の予測に可能性を示しています。
• これらのAIツールは、治療計画において解釈可能な補助的補助として機能することができます。
• 広範な採用には、実際の臨床設定での前向きな検証が不可欠です。