デイリードーズ：放射線腫瘍学における臨床要約と試験特定のためのワークフロー統合型大規模言語モデル自動化

放射線腫瘍学の新しい研究では、大規模言語モデル（LLM）を活用した自動臨床要約および臨床試験特定システム「デイリードーズ（The Daily Dose, TDD）」が紹介されています。このシステムは、日常的な放射線腫瘍学のワークフローにシームレスに統合されるように設計されています。中核となるのはRadOnc-GPTで、放射線腫瘍学に特化した言語モデルであり、医師ごとにカスタマイズされたメール要約を毎日自動生成します。これらの要約には、患者スケジュール、電子健康記録（EHR）から抽出された簡潔な臨床状態の要約、および新規患者やコンサルト診療に対する潜在的に適切な臨床試験の自動特定が含まれます。

研究チームは、システム導入から1か月後に横断的匿名臨床医調査を実施し、混合評価を行いました。主要評価項目は、自己報告によるユーザビリティ、満足度、知覚された有用性、ワークフローへの影響、時間節約、および継続使用の意図でした。内部一貫性信頼性はクロンバックのαを用いて評価されました。

結果、55名の回答者のうち52名（94.5%）が放射線腫瘍学分野で働き、38名（69.1%）が主治医でした。大多数の参加者（83.6%）がTDDを毎日または週に数回使用していると報告しました。5段階リッカート尺度での平均（SD）スコアは、ユーザビリティと満足度が3.89（1.04）、知覚された有用性が3.43（1.24）、影響と将来の使用が3.80（1.17）でした。全体的な満足度は知覚された時間節約と正の相関がありました（p < .001）。参加者が報告した時間節約はさまざまで、27%が1日あたり10分以上の節約を見積もっていました。アンケートは優れた内部一貫性を示しました（全体的なクロンバックのα = 0.97）。

この研究は、TDDのようなLLM駆動の自動化システムが、タイムリーでパーソナライズされた情報を提供することで放射線腫瘍学の臨床ワークフローを改善し、同時に医師の認知負荷を軽減する可能性があることを示しています。初期の結果は有望ですが、著者らは長期的な影響を評価し、システム性能を最適化するためにさらなる研究が必要であると指摘しています。さらに、RadOnc-GPTは放射線腫瘍学のデータで微調整されており、正確で臨床的に適切な要約を生成するように設計されています。今後の研究では、サンプルサイズの拡大、多施設評価、および他の医学専門分野へのシステム拡張が計画されています。