大規模言語モデルを用いた個別化サバイバーシップ・ケア・プラン作成のためのサバイバーシップ・ナビゲーター

科学分野:

• 腫瘍学
• ヘルスインフォマティクス
• 人工知能

背景:

• がんサバイバーシップ・ケア・プラン（SCP）は、長期的な患者フォローアップに不可欠です。
• 現在のSCP作成は時間がかかり、臨床医に大きな負担をかけています。
• 手動でのデータ抽出とガイドラインの適用は、プロセスを複雑にしています。

研究 の 目的:

• 大規模言語モデル（LLM）のSCP生成自動化の可能性を探る。
• SCP作成を合理化するためのフレームワークであるサバイバーシップ・ナビゲーターを紹介する。
• SCPと臨床システムとの統合を強化する。

主な方法:

• 自動SCP生成のためのLLMの体系的な探索。
• サバイバーシップ・ナビゲーターフレームワークの開発と実装。
• 自動評価と専門家によるレビューを使用した評価。

主要な成果:

• サバイバーシップ・ナビゲーターは、SCP生成においてベースライン手法を大幅に上回ります。
• このフレームワークは、より正確でガイドラインに準拠したSCPを生成します。
• 生成されたSCPは、臨床医や生存者にとってより実行可能です。

結論:

• LLMはSCP作成の自動化のための有望なソリューションを提供します。
• サバイバーシップ・ナビゲーターは、臨床医の負担を効果的に軽減し、SCPの質を向上させます。
• 自動SCP生成は、がんサバイバーシップケアの提供を強化できます。