論文「LLM StructCore: Schema-Guided Reasoning Condensation and Deterministic Compilation」の技術的概要

この論文は、CL4Health 2026 共有タスク（患者向け言語処理ワークショップ）における「呼吸困難（Dyspnea）に関する症例報告書（CRF）の自動記入」タスクへの提出システム「LLM StructCore」について記述したものです。著者はウクライナのチェルカシ州立ビジネスカレッジの Serhii Zabolotnii です。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義 (Problem)

臨床ノートから構造化された CRF（症例報告書）を自動生成するタスクには、以下の重大な課題が存在します。

• ノイズの多い言語: 臨床ノートは非構造化で、表現が多様です。
• 厳格な出力契約: 134 項目の CRF 形式に厳密に従う必要があります。
• 高い誤検知コスト: 存在しない項目を推測して埋めること（False Positive: FP）は、存在する項目を見逃すこと（False Negative: FN）と同様に、あるいはそれ以上に厳しく罰則対象となります。
• 極端な疎性 (Extreme Sparsity): 134 項目のうち、文書に含まれる非「不明（unknown）」の項目は中央値で約 12 項目のみです。つまり、大半の項目は「不明」であることが正解です。
• LLM の限界: 従来のエンドツーエンドの LLM による抽出は、出力形式の崩壊（JSON 構文エラー）や、根拠のない「幻覚（hallucination）」による誤検知に陥りやすい傾向があります。

2. 手法 (Methodology)

著者は、単一のステップで 134 項目を予測するのではなく、**「臨床情報の凝縮（Condensation）」と「契約の強制・正規化（Enforcement & Normalization）」**を分離する、2 段階の設計を採用しました。

ステージ 1: Schema-Guided Reasoning (SGR) による JSON 要約

• 役割: 非構造化の臨床ノートを、安定した 9 つのドメインキーを持つ JSON 形式に要約します。
• 9 つのドメインキー: 人口統計、バイタル、検査、問題、症状、薬剤、処置、利用状況、処置方針。
• SGR パターン:
  • Cascade (ドメイン構造化): 9 つのドメインを固定順序で処理し、臨床記述の網羅性を確保します。
  • Cycle (チェックリスト): 各ドメイン内で特定の項目（例：28 の問題、すべてのバイタルサイン）を確認するよう指示し、見落としを減らします。
  • Routing (語彙): 出力は自由なテキストですが、後続の処理で制御語彙にマッピングされます。
• 特徴: 制約付きデコーディング（XGrammar など）を使用せず、単純なプロンプト設計と明示的な指示によって、100% の JSON パース成功率を達成しています。これにより、あらゆる推論バックエンド（llama.cpp, vLLM, API など）と互換性があります。
• マルチスライス戦略: 長いノートをオーバーラップするウィンドウに分割して処理し、結果をマージすることで、文脈の制限を超えた情報の抽出を可能にしています。

ステージ 2: 決定論的コンパイラ (Deterministic Compiler, 0-LLM)

• 役割: ステージ 1 の JSON 要約を、公式の CRF 提出形式（134 項目）に変換します。この段階では LLM は使用されません。
• 4 段階アルゴリズム:
  1. KV 抽出: テキストからキーと値のペアを抽出。
  2. 正規化 (Canonicalization): 項目名の統一（大文字小文字の統一、略語の展開、UMLS 別名マップの活用）。134 項目すべてをカバレッジする UMLS マップを使用。
  3. 誤検知ゲート (FP-Gates) & 導出: 根拠がない陽性予測を厳格な正規表現でフィルタリングします（例：「がん」の言及があっても「活動性」の根拠がなければ「活動性腫瘍」と判定しない）。また、複数の薬剤から「多剤療法」を推論するなどのルールベースの導出を行います。
  4. 語彙正規化: 抽出された値を、13 種類の制御語彙カテゴリ（例：バイタルは「頻脈/正常/徐脈」など）にマッピングし、残りの項目は「不明」で埋めます。

3. 主要な貢献 (Key Contributions)

1. SGR による中間表現の安定化: 134 項目を直接出力させるのではなく、9 キーの JSON へ変換するアプローチにより、LLM の出力形式の不安定性を解消し、JSON パース成功率を 100% にしました。
2. 決定論的コンパイラの導入: 最終的な出力生成を LLM ではなく、手書きのルールベースのコンパイラに任せることで、出力の再現性、説明可能性、および誤検知の厳格な制御を実現しました。
3. エッジ AI への適合: 決定論的処理により、小規模なモデル（4B パラメータ級）やローカル環境（llama.cpp 等）でも、プライバシーを保護しつつ高品質な処理が可能であることを実証しました。
4. 言語非依存性: ステージ 1 のプロンプトは言語に依存せず、ステージ 2 の UMLS マップと正規化ルールによって、英語とイタリア語の両方で高い性能を達成しました。

4. 結果 (Results)

• 開発セット (dev80):
  • 英語 (EN): Macro-F1 0.6543
  • イタリア語 (IT): Macro-F1 0.6905
  • イタリア語の方が高いスコアを示したのは、元の臨床ノートが構造化されており、抽出が容易だったためと分析されています。
• テストセット (test200, Codabench):
  • 提出された英語システム（Mistral Large 3 + 決定論的コンパイラ）は F1 0.63 を達成し、1 位チーム（F1 0.68）と 0.05 の差に留まりました。
  • 誤検知ゲート（FP-gates）の導入により、高リスク項目（活動性腫瘍、不整脈など）の誤検知を約 70% 削減しました。
• モデルサイズの影響: 大規模モデル（Mistral Large 3, Qwen 3.5）だけでなく、ローカルで動作する小規模モデル（MedGemma 4B）でも、決定論的コンパイラと組み合わせることで F1 0.65 程度の性能を達成しました。

5. 意義と結論 (Significance)

• 信頼性と再現性の確保: 医療分野において、LLM の「幻覚」や非決定論的な出力は許容されません。本アプローチは、LLM を「情報の抽出」に限定し、厳密なルールによる「出力の保証」を分離することで、臨床現場での実用性を高めました。
• プライバシーとコスト: 患者データを外部 API に送信せず、ローカル環境で完結させることが可能であり、医療データ保護規制への対応やコスト削減に寄与します。
• 今後の展望: 本手法は、極端に疎なデータ構造を持つタスクにおいて、LLM の能力を最大限に活用しつつ、その弱点を補完する有効なアーキテクチャパターンとして提示されました。

この論文は、大規模言語モデルを医療タスクに応用する際、単なる「生成」ではなく、「構造化された推論と厳密な検証」を組み合わせる重要性を浮き彫りにした点で意義深いものです。