FHIRopenEHR🌏 International🏛 Cambridge University Press整理済
AIパイプラインにおけるデータ表現形式の比較:FHIR、flat、openEHRの検証
A Three-Arm Paired Simulation Protocol with a Flat, FHIR, and openEHR Illustration
2026年4月14日Cambridge University Press
サマリー
研究者らは、プライマリケアの小規模言語モデル(SLM)パイプラインにおいて、入力データの表現形式が診断精度の再現性に与える影響を調査した。その結果、オントロジーが豊かなopenEHR形式が最も高い性能を示し、データ構造化の重要性が示唆された。
詳細
本研究は、プライマリケアにおける小規模言語モデル(SLM)の連続的な利用に焦点を当てたシミュレーションプロトコルを確立した。50名の合成患者データを対象に、「平坦な表形式テキスト」「コンパクトFHIR R4 Bundle JSON」「openEHR Composition JSON」の3つの入力表現形式でパイプライン処理を行った。 主要アウトカムとして、条件記述に対する意味的F1スコアが用いられた。結果によると、平均的な意味的F1スコアは、平坦なテキスト(0.193)、FHIR (0.198)、openEHR (0.228) の順であり、統計的に有意な差が認められた。 この知見は、単なる構造的なラッピングではなく、「オントロジーの豊かさ」こそが、言語モデルのカスケードを通じて意味的情報を保持する上で重要であることを示唆している。本プロトコルは、マルチSLM臨床パイプラインにおける表現形式の影響を評価するための再現性の高いツールを提供するものである。 (出典:Cambridge Open Engage)
原文を読む
client.prod.orp.cambridge.org
Original content copyright by respective publishers