パーソナライズドヘルスAIにおける個人健康記録の有用性の評価
この研究は、大規模言語モデル（Gemini 3.0 Flash）が個人健康記録（PHR）のコンテキストを提供された際に、ユーザーの健康に関する質問に対して有益な回答を提供できる可能性を評価したものです。2,257件の質問と1,945件の匿名化されたPHRを使用し、PHRコンテキストなし、基本要約あり、完全な臨床ノートありの3条件で回答を比較しました。結果は、PHRデータを使用することで全てのタイプの質問に対して回答の有用性が有意に向上し（p<0.001）、安全性、正確性、関連性、個別化においても改善が見られました。また、新たに開発された評価フレームワークにより、時間的見当識障害や稀な捏造など、LLMが複雑なPHRを理解する際のギャップが特定されました。
近年、患者自身が管理する個人健康記録（PHR）は、患者が自身の健康状態をより良く理解するための手段として注目されています。しかし、記録内の情報は複雑であり、有用な洞察を得る妨げとなる可能性があります。新たな研究では、大規模言語モデル（LLM、特にGemini 3.0 Flash）がPHRのコンテキストを提供された際に、ユーザーの健康に関する質問に対して有益な回答を提供できるかを評価しました。研究者らは、患者の質問を代表する3つの異なる分布から合計2,257件のユーザークエリを抽出しました。短いウェブ検索クエリ、チャットボットの会話テンプレートから派生した長い質問、そして患者が医療チームに尋ねた質問です。これらのクエリは、1,945件の匿名化されたPHRとマッチングされました。Geminiの回答は、PHRコンテキストなし、人口統計・状態・薬剤の基本要約あり、完全な臨床ノートありの3条件で生成されました。評価には既存のSHARP評価フレームワークが活用され、さらにPHR解釈時の特定のエラーモードを捉えるための新しいフレームワークが開発されました。全セットは自動評価者によって評価され、サブセット（n=95）は臨床医によって評価され、両方の評価者は完全なPHRコンテキストを知っていました。結果は、PHRデータを使用することで全ての質問タイプにおいて回答の有用性が有意に向上したことを示しています（p<0.001、ペアt検定）。また、安全性、正確性、関連性、個別化の点でも潜在的な改善が観察されました。新しいPHR評価フレームワークはさらに、時間的見当識障害や稀ではあるが意味のある捏造など、LLMが複雑なPHRの特定の側面を理解する際のギャップを特定しました。これらの結果は、PHRデータが幅広いユーザーニーズに対応する可能性を示しており、PHRコンテキストに基づくLLM回答のギャップを監視するフレームワークを提供しています。この研究は、ユーザーが自身の健康記録を理解することから得られる潜在的な利益を評価し実現するためのさらなる研究を動機付けています。全体として、本研究はPHRをAIヘルスアシスタントに統合するための重要なエビデンスを提供するとともに、注意すべき限界も指摘しており、今後の製品開発や研究方向性の基盤を築いています。