AIによる職業性健康評価

科学分野:

• 職業性健康
• 疫学
• 計算言語学

背景:

• 仕事は健康に不可欠ですが、健康リスクをもたらします。
• 職業曝露マトリックス（JEM）は、職務履歴を健康リスク評価にリンクします。
• JEMの職務記述の標準化は、手動でコストと時間がかかります。

研究 の 目的:

• 職業性健康評価と自動職業コーディング（AOC）の概要を提供すること。
• AOCにおける大規模言語モデル（LLM）の可能性を探ること。
• 一般化を含む、現在のAOC手法の限界に対処すること。

主な方法:

• JEMおよび職業分類システムのレビュー。
• 既存の（半）自動コーディングおよび意思決定支援システム（DSS）の分析。
• AOCアプリケーションのための大規模言語モデル（LLM）の探索。

主要な成果:

• 現在の完全自動コーディングシステムは、分布外データに対処できず、実世界での使用が制限されています。
• 意思決定支援システム（DSS）は、専門家による修正を通じて信頼性を向上させます。
• LLMは、AOCにおける精度と一般化能力の向上の可能性を提供します。

結論:

• AOCにおけるLLMの適用は、現在未踏です。
• LLMは、AOCの精度と一般化能力を大幅に向上させる可能性があります。
• 将来の研究では、AOCシステムへのLLMの統合に焦点を当てるべきです。