自動ICDコーディングは、請求、疫学、臨床意思決定支援のための中核的な医療コーディングタスクである。生成的Large Language Model（LLM）は医療コーダーとして弱いと報告されることが多いが、この知見は主にプロンプティング、検索、再ランキング、ツール使用などの推論時の設定から得られたものであり、タスク固有のポストトレーニングの役割は十分に検討されていない。そこでZiqing Wangら5名の著者による研究チームは、生成的ICDコーディングのためのポストトレーニングに関する制御された実証研究を実施した。彼らは共通のプロトコルと指標セットの下で、識別ベースラインとLLMコーダーをプロンプティング、教師ありファインチューニング（SFT）、強化学習（RL）にわたって比較した。著者らの知る限り、これはICDコーディングにおいて生成的LLMコーダーに対するRLベースのポストトレーニングを評価した最初の研究である。
さらに研究チームは、GRPOを拡張して見逃されたコードケースを改善する診断カリキュラム「PHI」を導入した。実験結果は、プロンプティングのみの評価ではICDコーディングにおけるLLMの潜在能力を大幅に過小評価することを示している。SFTが主要な能力の飛躍をもたらし、GRPOはSFTを超えてコードセット予測をさらに改善し、PHIはマクロレベルのパフォーマンスに的を絞った利得を提供する。これらの知見は、主なボトルネックが生成的定式化だけにあるのではなく、全分類法の再現率に向けてモデルをどのように適応させ最適化するかにあることを示唆している。
本論文は2026年6月11日にarXivに投稿され、計算と言語（cs.CL）に分類されている。著者らはコード、データ分割、チェックポイントを公開しており、今後の研究を促進する。この研究は医療コーディングタスクにおけるポストトレーニングの重要な役割を強調し、専門領域におけるLLM適応の実証的基盤を提供するものである。