大規模言語モデルの医療分野における可能性：デルファイ研究

背景 大規模言語モデル（LLM）は、文脈における言語使用の微妙なパターンを捉えるテキストデータから推論される機械学習モデルです。最新のLLMはトランスフォーマー手法を組み込んだニューラルネットワークアーキテクチャに基づいています。これにより、テキストシーケンス内の複数の単語に注意を向けることで、単語同士の関連付けが可能になります。LLMは、分類や情報抽出タスク、生成的応用など、自然言語処理（NLP）の幅広いタスクで非常に効果的であることが示されています。 目的 本適応型デルファイ研究の目的は、LLMが医療にどのような影響を与えるか、そして医療におけるLLM利用の強み、弱み、機会、脅威について研究者の意見を収集することでした。 方法 医療情報学、看護情報学、医療NLPの研究者を招待し、医療におけるLLM利用に関する意見を共有してもらいました。第1ラウンドでは、強み、弱み、機会、脅威の枠組みに基づくオープンな質問から開始しました。第2・第3ラウンドでは、参加者にこれらの項目を評価してもらいました。 結果 第1、第2、第3ラウンドにはそれぞれ28人、23人、21人の参加者がいました。ほぼ全員（第1ラウンドで26/28人、93％、第3ラウンドで20/21人、95％）が学術機関に所属していました。医療におけるLLMの活用例、利益、リスク、信頼性、導入の側面、将来に関する103項目で合意が得られました。参加者は臨床作業支援、文書化作業、医療研究および教育支援など複数の活用例を提案し、LLMベースのシステムが患者教育のためのヘルスアシスタントとして機能することに同意しました。合意された利益には、データ処理および抽出の効率化、プロセスの自動化向上、医療サービスおよび全体的な健康アウトカムの質の改善、個別化ケアの提供、診断・治療プロセスの加速、患者と医療専門職の相互作用の向上が含まれます。医療におけるリスクとしては、サイバーセキュリティ侵害、患者の誤情報の可能性、倫理的懸念、偏った意思決定の可能性、不正確なコミュニケーションに伴うリスクの5つが特定されました。LLMベースシステムへの過信は医療職に対するリスクとして認識されました。合意されたプライバシーリスク6項目には、規制されていないクラウドサービスの利用によるデータセキュリティの損なわれ、機微な患者データの露出、機密保持の破壊、情報の不正利用、データ保存・通信の脆弱性、患者データの不適切なアクセスまたは利用が含まれます。 結論 将来のLLM関連研究は、NLP関連タスクの可能性の検証だけでなく、モデルが寄与できるワークフローや、実践的な実装のための品質、統合、規制に関する要件も考慮すべきです。