大規模言語モデルを用いた医療用語集の知識工学

Hsin Yi Chen¹, Anna Ostropolets^1,2, Chunhua Weng¹

¹Department of Biomedical Informatics, Columbia University, New York, NY, USA.

AMIA ... Annual Symposium proceedings. AMIA Symposium

|February 23, 2026

まとめ

大規模言語モデル（LLM）は、用語の類似性やグルーピングなどの医療用語集の自動化に可能性を示している。しかし、現在のモデルは、包括的なヘルスケアデータ管理のためのリコールと臨床的精度を改善する必要がある。

科学分野:

医療情報学; 自然言語処理; ヘルスケアデータ管理

背景:

医療用語集はヘルスケアデータにとって重要であるが、維持コストが高い。用語集管理の自動化は、効率を向上させ、コストを削減できる可能性がある。

研究の目的:

大規模言語モデル（LLM）を用いた医療用語集管理の自動化の実現可能性を評価する。用語の類似性、包含関係、グルーピングのタスクにおけるLLMのパフォーマンスを評価する。

主な方法:

SNOMED CTの1,533の心血管系用語に対してGPT-4oを使用した。3つの主要なタスクについて、OHDSI標準化用語集と比較してLLMのパフォーマンスを評価した。

主要な成果:

LLMは、用語の類似性（0.78）、包含関係（0.74）、グルーピング（0.78）において高い精度を達成した。リコールは低く、特に包含関係（0.08）ではカバレッジのギャップを示唆している。

結論:

LLMは医療用語集のタスクを自動化する可能性を示しているが、さらなる改良が必要である。今後の研究では、リコール、エラー削減、スケーラビリティの評価に焦点を当てるべきである。

キーワード:

大規模言語モデル医療用語集知識工学自然言語処理医療情報学

さらに関連する動画