Tracking Cancer Through Text: Longitudinal Extraction From Radiology Reports Using Open-Source Large Language Models

この論文は、プライバシー保護と再現性を確保しつつ、オープンソースのローカル展開型大規模言語モデル（Qwen2.5-72B）を用いて、放射線診断レポートから RECIST 基準に準拠した腫瘍の経時的な情報を高精度に抽出するパイプラインを提案し、その有効性を示したものである。

要約

がんの「物語」を読み解く AI：プライバシーを守りながら、過去の記録から未来を予測する

この論文は、**「放射線科医が書いた長い報告書（テキスト）から、AI ががんの動きを自動的に追跡できるか」**という実験について書かれています。

まるで、**「患者さんの体の中で起きている『がんのドラマ』を、過去の脚本（過去の検査報告）と現在の脚本（現在の検査報告）を照らし合わせて、AI が読み解く」**ようなものです。

以下に、専門用語を避け、わかりやすい例え話で解説します。

---

1. 問題：「お医者さんのメモ」は読みづらい

がんの治療では、放射線科医が CT スキャンの結果を「文章」で書きます。

• 「去年は肝臓に 2cm の影があったが、今年は小さくなった」
• 「新しい影が見つかった」
• 「リンパ節は特に変化なし」

これらは重要な情報ですが、「文章（物語）」として書かれているため、コンピュータが自動的に「去年の 2cm」と「今年の 1.5cm」を結びつけて計算するのは、人間には簡単でも機械には非常に難しいのです。

また、これまでの AI は「企業秘密（プロプライエタリ）」のものが多く、患者さんのデータを外部のサーバーに送らないと動かないという問題がありました。病院では、患者さんのプライバシー（秘密）を厳守する必要があるため、これは大きな壁でした。

2. 解決策：「地元の図書館」で動く AI

この研究チームは、**「オープンソース（誰でも見られる自由な設計図）」**の AI を使いました。

• 地元の図書館（ローカル環境）： 患者さんのデータを病院の外に出さず、自社のコンピューターだけで完結させます。これで「秘密漏れ」の心配がありません。
• 賢い読書家（Qwen2.5-72b）： 非常に頭の良い AI モデルを使いました。

彼らは、この AI に**「2 枚のレポート（過去と現在）をセットで読んで、がんの『行方』を特定しなさい」**と命令しました。

3. 仕組み：「名札」をつけて追跡する

AI は、以下のようなルールでがんの動きを追跡します。

• ターゲット（主役）： 治療の効果を測るための「メインのがん」。
• ノンターゲット（脇役）： 治療対象ではないが、体にある他の異常。
• 新規（新参者）： 前回にはなかった新しいがん。

【アナロジー：探偵ゲーム】
想像してください。2 年前の「犯人リスト」と、今日の「犯人リスト」があります。

• 2 年前の「A さん（身長 170cm）」と、今日の「A さん（身長 165cm）」は同じ人ですか？
• 2 年前にはいなかった「B さん」は、今日リストに追加されました。これは新しい犯人です。
• 2 年前にいた「C さん」は、今日リストから消えました。これは**退去（治癒）**です。

この研究の AI は、**「同じがん細胞には、一貫した『名札（ラベル）』をつけて、時間を超えて追いかける」**という作業を、人間が手作業でやるよりも正確に、かつ高速に行うことができました。

4. 結果：驚くほど正確だった！

50 人の患者さんのデータ（過去と現在のレポートのペア）でテストした結果は以下の通りでした。

• 正解率： 93%〜95% 以上（ほぼ完璧に近い！）
  • がんの「大きさ」や「場所」を正確に読み取る能力は、人間が手作業でチェックするレベルに匹敵しました。
• プライバシー： すべて病院の中だけで完結しました。
• 再現性： 誰がやっても同じ結果が出るように設計されています。

5. 課題と未来：まだ完璧ではないけれど、希望がある

もちろん、完璧ではありませんでした。

• 表の崩れ： レポートの表が改行されてバラバラになっていると、AI が「どこが最後か」を迷うことがあります（人間でも見間違いやすい箇所です）。
• 「測れない」の表現： 「測れない」と書かれている場合、AI が「0」と誤解したり、逆に「測れない」と書かれていないのに「測れない」と判断したりする細かいミスが時々ありました。

しかし、**「オープンソースの AI なら、プライバシーを守りながら、がん治療の研究に使えるレベルの精度が出た」**という点で、この研究は画期的です。

まとめ

この論文は、**「患者さんの秘密を守りつつ、過去の膨大な医療記録から、がんの動きを自動的に読み解く新しい道」**を開いたことを示しています。

これにより、将来は：

• 医師が手作業で何時間もかけてレポートを読み比べる必要がなくなる。
• 過去のデータから「この治療法がどんな患者さんに効いたか」を、瞬時に分析できるようになる。
• より良いがん治療の開発が加速する。

といったことが期待されます。AI が「がんの物語」を読み解くことで、より良い未来が作られようとしています。

技術概要

論文「Tracking Cancer Through Text」の技術的サマリー

本論文は、放射線報告書（特に胸部・腹部 CT）から、腫瘍の負担、治療反応、疾患の進行に関する縦断的（長期的）な情報を抽出するための、完全なオープンソースかつローカル展開可能なパイプラインを提案するものです。

以下に、問題定義、手法、主要な貢献、結果、そして意義について詳細をまとめます。

1. 問題定義

• 構造化されていないデータの課題: 放射線報告書には、腫瘍の大きさや治療反応（RECIST 基準など）に関する重要な縦断的情報が含まれていますが、非構造化のナラティブ形式であるため、自動分析が困難です。
• 既存手法の限界: 従来のルールベースや教師あり深層学習モデルは、一般化性が低く、大量のデータ注釈とエンジニアリングリソースを必要とします。
• プライバシーとプロプライエタリなモデルの壁: 最先端の LLM（大規模言語モデル）は臨床テキスト処理を飛躍的に進歩させましたが、多くの高性能モデルはプロプライエタリ（商用・クローズド）であり、患者データの機密性を保つ必要がある医療環境での展開が制限されています。
• 縦断的視点の欠如: 既存の臨床テキスト抽出の多くは、個々の報告書を独立したドキュメントとして扱っており、時間経過に伴う病変の追跡（同一病変の継続、消失、新規出現）という腫瘍学の本質的な文脈を捉えきれていません。

2. 手法 (Methodology)

データセット

• 対象: ラドバウド大学医学センター（Radboudumc）で 2021 年 3 月から 2025 年 3 月の間に実施された胸部および/または腹部 CT 検査の放射線報告書。
• 選定基準: 同一患者で異なる時点の報告書が 2 件以上存在し、かつ「target（標的）」という用語が少なくとも 2 件の報告書に含まれるケースを抽出。
• 構成: 最終的に 50 組の報告書ペア（100 件の個別報告書）をテストセットとして使用。10 組はプロンプトエンジニアリング用のデバッグセットに割り当てられました。

システムアーキテクチャ

• フレームワーク: llm_extractinator（オープンソースの言語非依存フレームワーク）を使用。
• モデル: qwen2.5-72b-instruct（4-bit 量子化版 q4_K_M）をローカル環境（NVIDIA A100 GPU 2 基）で実行。
• プロンプトエンジニアリング:
  • 2 件の報告書を連結して入力し、モデルに時間的な連続性を認識させます。
  • 病変が「継続」「消失」「新規出現」のいずれかを判断させつつ、現在の時点の測定値のみを抽出するよう設計。
  • RECIST 基準に準拠し、表形式データにおける数値の解釈（直前の有効な SE-IMA 参照前の数値を現在の測定値とする）や、病変のラベル付け（TL_, NTL_, NL_）の安定性を確保するルールを定義。
  • 日本語（オランダ語）の報告書に対して、RECIST テーブル形式のインコンテキスト例示を行いました。
• 出力パーサー: Pydantic v2 スキーマを用いた JSON 出力を強制。病変のラベル、記述、現在のサイズ（mm）、DICOM 識別子（SE-IMA）などを構造化して取得します。

評価指標

• 2 名の独立した読影医による手動注釈を基準（Ground Truth）と比較。
• 評価項目は以下の 3 つ：
  1. ラベルの一貫性: 時間経過に伴う病変の特定と命名の正しさ。
  2. サイズ精度: 病変測定値の抽出精度。
  3. SE-IMA 精度: 病変の局所化に用いる DICOM 識別子の取得精度。
• 対象病変：標的病変（TL）、非標的病変（NTL）、新規病変（NL）。

3. 主要な貢献 (Key Contributions)

1. 再現性のあるオープンソースパイプライン: ローカル展開可能な LLM を用いた、臨床テキスト抽出のための完全なオープンソースパイプラインの提供。
2. 新しいタスク定義: RECIST 基準に基づく、多時点での病変リンク（縦断的抽出）の新しいタスク形式の提案。
3. 高品質な定量的評価: データプライバシーを保持しつつ、属性レベルで 93% 以上の抽出精度を達成することを示した初の研究（放射線報告書からの LLM による縦断抽出）。

4. 結果 (Results)

50 組の報告書ペア（100 件）の評価結果は以下の通りです。

• 属性レベルの精度:
  • 標的病変 (TL): 93.7%
  • 非標的病変 (NTL): 94.9%
  • 新規病変 (NL): 94.0%
• 完全抽出率: 報告書ペアの 62.0% で、すべての属性が誤りなく抽出されました。
• 読影医間的一致性: 病変レベルでのアノテーション一致率は 93.3% であり、モデルの誤りよりも読影医間の解釈のばらつきが主な要因であることが示唆されました。
• エラー分析:
  • TL のエラーは、サイズ属性と SE-IMA 識別子の間でほぼ均等（45% vs 55%）に分布しており、モデルの病変識別能力は全体的に堅牢であることを示しています。
  • 主な課題は、表形式のレイアウトが改行で分断された場合の値の取り違いや、「測定不能（nm）」や「消失（-）」といった曖昧な表現の処理における一貫性の欠如でした。

5. 意義と結論

• プライバシーと再現性の両立: プロプライエタリなクラウドモデルに依存せず、ローカルで実行可能なオープンソース LLM が、臨床研究に耐えうる信頼性（93% 超の精度）を達成できることを実証しました。
• スケーラビリティ: 日常的な臨床テキストから構造化された縦断データを大規模に抽出する可能性を示し、後方解析や AI モデルの開発・評価を支援します。
• 臨床 NLP の進展: 単なる情報抽出を超え、時間軸を跨いだ病変の追跡という複雑なタスクにおいて、LLM が高い性能を発揮できることを示しました。

本論文は、医療データの利用におけるプライバシー懸念を解消しつつ、放射線報告書という膨大な非構造化データから、がん研究に不可欠な構造化データを抽出するための実用的なソリューションを提示しています。