Health system-scale language models are all-purpose prediction engines
1. 本研究の学術的背景、研究課題の核心をなす学術的「問い」は何ですか？
医療現場では、迅速な意思決定が求められます。このため、予測モデルを構築し、臨床・運営イベントを予測することが重要であり、これを支援する方法が求められています。しかし、現在の構造化データベースベースのモデルはデータ処理やモデルの構築・展開などに課題があり、医療現場での活用が限定されています。今回の研究では、電子医療記録の非構造化データから訓練することで、複数の臨床予測モデルを低コストで構築することができるかを問いました。
2. 本研究の目的及び学術的独自性と創造性は何ですか？
本研究では、電子医療記録の非構造化データから自然言語処理を行い、訓練可能な医療用言語モデルを構築する手法を提案しています。この手法では、従来のモデルに比べ、データの処理や構築・展開のコストが低く、独自性と創造性を言えます。
3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは何ですか？
本研究は、自然言語処理アルゴリズムを用いて、非構造化データからの医療翻訳を支援する新しい手法を提案しました。この手法は、関連研究と同じく電子健康記録を利用した手法群に位置付けられます。
4. 本研究で何をどのように、どこまで明らかにした？
本研究では、NYUTronという大規模言語モデルを収集し、これを医療用言語データとして細分化したうえで、実際の臨床・運営予測タスクに取り組んで改善を評価しました。その結果、NYUTronを用いた予測モデルでは、従来のモデルよりも正答率が高く、独自性があることが明らかになりました。
5. 本研究の有効性はどのように検証した？
本研究では、電子医療記録から自然言語処理を行う手法が、既存の手法よりも高い正答率を示したことを実験により確認しました。しかも、この手法は、コストが低く展開しやすいため、医療現場での実際の利用が期待されます。
この記事が気に入ったらサポートをしてみませんか？