FHIR🌏 International整理済
LLMを活用し非構造化臨床テキストから医学情報を抽出し、医療互換性を強化する検証研究
利用大语言模型从非结构化临床文本中提取医学信息以增强医疗卫生互操作性:概念验证研究
2026年7月24日
サマリー
本研究では、大規模言語モデル(LLMs)を用いて非構造化の臨床テキストから医学情報を抽出することで、医療衛生システムの相互運用性向上を目指した概念実証が行われた。FHIRなどの標準規格へのマッピングが主要な焦点となった。
詳細
Journal of Medical Internet Researchに掲載された本研究は、大規模言語モデル(LLMs)を活用し、非構造化の臨床テキストから医学情報を抽出する手法を検証した。従来のETLプロセスを経由せず、直接FHIRなどの標準規格へマッピングできる点が特徴である。 具体的な技術的側面として、Qwen3-235BやMedGemma 27BといったLLMsが使用され、ICD(国際疾病分類)、ATC(薬剤分類)、OPS(疾患分類)など複数の医学コード体系からの情報抽出精度が評価された。これらのモデルは、FHIRのリソース(Condition, Procedure, Observationなど)へのマッピング能力を持つことが示されている。 また、PIGEONというシステムを用いて、非構造化な診療記録から情報を抽出し、FHIR R4形式に変換する検証が行われた。この研究の成果は、LLMsが医療情報抽出において高い精度を発揮し、相互運用性向上に貢献する可能性を示唆している。
原文を読む
ebiotrade.com
Original content copyright by respective publishers