Barnes Jewish Hospitalにおける2018年から2021年の成人患者から収集された84,875件の麻酔記録に基づく研究で、機械学習モデルが術後の合併症リスクを予測するために用いられました。この研究では、伝統的な言語モデルと比較して、事前学習済みの長期記憶モデル（LLM）が、術後30日以内の死亡リスクなど6つの合併症を予測する精度を大きく向上させたことが明らかになりました。
さらに、これらの事前学習済みモデルに、実際の手術記録を用いた自己監督型の微調整を加えることで、すでに高い予測性能がさらに向上しました。これに加え、ラベル付きデータを組み合わせた半教師あり学習アプローチでは、更なる性能改善が見られました。
また、特定の手術に関連する文や、不望ましい事象が発生した場合に、それらが合併症のリスク予測にどのように影響しているかを示す説明可能性分析も実施されました。
この研究から、LLMが手術前のメモからの合併症リスクの予測において、従来の言語モデルよりも明らかに優れている可能性が示唆され、医療現場に革命をもたらす可能性があります。さらに、これらの方法は、他の病院でのデータでも再現可能であり、一般化されることも確認されています。
出典 : The foundational capabilities of large language models in predicting postoperative risks using clinical notes – npj Digital Medicine https://www.nature.com/articles/s41746-025-01489-2
