CDR-Agent：大規模言語モデルエージェントを用いた臨床意思決定ルールのインテリジェントな選択と実行

科学分野:

• 医療における人工知能
• 臨床情報学
• 救急医療意思決定支援

背景:

• 救急部門（ED）における臨床的意思決定は複雑で時間的制約があります。
• 臨床意思決定ルール（CDR）は診断を支援しますが、臨床医の認知負荷のために十分に活用されていません。
• 既存のツールは、ペースの速い臨床ワークフローにCDRをシームレスに統合するのに苦労しています。

研究 の 目的:

• 自律的なCDR識別と適用を目的とした、新しい大規模言語モデル（LLM）ベースのシステムであるCDR-Agentを紹介します。
• CDRの想起と選択の負担を軽減することにより、救急環境における臨床的意思決定を強化します。
• 合成データと実世界のEDデータの両方でCDR-Agentのパフォーマンスを評価します。

主な方法:

• 非構造化臨床ノートを処理するためのLLM搭載システムであるCDR-Agentの開発。
• 検証のために、合成EDデータセットとCDR-Benchデータセットの2つのデータセットの作成。
• CDR選択と全体的な予測精度のためのCDR選択のベースラインと比較したCDR-Agentの比較分析。

主要な成果:

• CDR-Agentは、CDR選択において実証された精度の向上を示しました。合成データでは56.3％、CDR-Benchでは8.7％でした。
• 全体的な予測精度は大幅に向上しました。ベースラインと比較して、合成データでは134.0％、CDR-Benchでは20.4％でした。
• また、計算オーバーヘッドの大幅な削減も達成しました。

結論:

• CDR-Agentは、救急医学における臨床意思決定ルールの適用を効果的に強化します。
• LLMベースのアプローチは、計算コストを削減しながら、診断精度と効率を向上させます。
• CDR-Agentは、臨床意思決定支援において救急部門を超えたより広範な応用の可能性を示しています。