Development and Validation of a Localized Large Language Model for Preoperative Anesthesia Planning: Protocol for a Retrospective Observational Study and Clinical Turing Test
本論文は、Istishari病院の3,000件の過去の麻酔記録を用いて微調整されたローカライズされた大規模言語モデルを開発し、その術前麻酔計画の生成を、安全性と正確性に関する人間の専門家の基準に照らして、遡及的な「臨床チューリングテスト」において評価するためのプロトコルを概説するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
患者が手術室に入る前に、麻酔科医は複雑な精神的作業を行わなければなりません。それは、その人の病歴、現在のバイタルサイン、そしてこれから行われる手術の具体的な要求事項を汲み取り、それらの事実を、患者を眠らせ、痛みから解放し続けるための一つの安全な計画へと編み上げることです。このプロセスには迅速な思考と深い知識が必要ですが、医師が疲れているときや、異なる医師が同じ情報をわずかに異なる方法で解釈してしまうときなど、ヒューマンエラーが発生しやすい性質も持っています。近年、コンピュータは血圧の低下を予測したり、薬液ポンプを自動的に管理したりするなど、主に医療タスクを支援するために使われ始めています。しかし、大規模言語モデルとして知られる新しいタイプのコンピュータプログラムが登場し、異なる能力を備えています。これらのプログラムは、膨大な量のテキストを読み込み、人間の専門家のように聞こえる新しいテキストを書き出すことができます。これらのツールはすでに学習やテストに使用されていますが、特定の病院の独自のルールや習慣を用いて、危険な間違いを犯すことなく、特定の病院のための真にカスタマイズされた医療計画を安全に作成できることは、まだ誰も証明していません。
ヨルダンのアンマンにあるイスティシャリ病院の一人の研究者が、このアイデアをテストしようと考えました。彼らは、過去の膨大な症例を自院のデータとしてコンピュータに学習させることで、コンピュータをシニア麻酔科医のように振る舞わせることができるかどうかを検証したいと考えました。彼らの目標は、人間が行うのと同様に完全な麻麻酔計画を起草できる、特化したコンピュータプログラムである「デジタル・フェロー」を作成することでした。これを行うために、彼らは過去の患者の記録3,000件を集めました。これらの記録はデジタルファイルではなく、患者の身長、体重、心臓の既往歴、肺の状態、そして手術中に人間のチームが実際に使用した正確な薬剤や気道管理器具に関する記述が含まれた物理的な紙の書類でした。ジュニアドクターとインターンからなるチームが、すべての紙の記録を一つひとつ手作業で読み、情報を安全なデジタルデータベースへと転記しました。彼らは、名前や個人を特定できる詳細をすべて削除し、医学的事実とそれに伴う治療計画のみを残すよう細心の注意を払いました。
この膨大なデータの収集が完了した後、研究者は強力なコンピュータモデルを使用して、このデータを学習させました。モデルに対し、その特定の病院における麻酔のパターンを学習するように指示を出しました。コンピュータには、その病院のシニアコンサルタントとして振る舞い、学習したデータに基づいてあらゆる患者に対する新しい計画を作成するよう命じられました。計画は、術前の患者の準備、導入および呼吸管理、術中の安定維持、そして術後の覚醒および疼痛管理という4つの主要な領域をカバーしなければなりません。研究者は単にコンピュータに推測させたのではなく、自施設における人間の医師による実際の成功した決定に基づいてシステムを構築しました。これは、コンピュータが事実を捏造したり、その病院には存在しない治療法を提案したりすることを防ぐためです。
コンピュータの成果がどれほど優れているかを判断するために、研究者は、人間が書いたものか機械が書いたものかを当てる挑戦のような、ブラインドテストを実施しました。彼らは一連の患者ケースを取り上げ、それをシニア麻酔科医のグループに提示しました。各ケースにおいて、専門家には2つの異なる計画が与えられました。一つは数年前に人間の医師によって書かれたオリジナルの計画であり、もう一つはコンピュータによって新しく書かれた計画です。専門家たちはどちらがどちらであるかを知らされていませんでした。彼らは、安全性（危険なエラーがないかのチェック）と完全性（必要なステップがすべて含まれているか）に基づいて計画を評価するよう求められました。最後に、彼らはどちらの計画がコンピュータによって書かれたものかを推測しなければなりませんでした。
この研究は現在プロトコル、つまり研究がどのように行われるかについての詳細な計画段階であり、最終的な結果の報告ではありません。研究者は、もしこのコンピュータモデルがこれら3,000件の実際の現地の症例に基づいて学習されれば、人間の専門家が作成したものと同等の安全性と正確性を持つ計画を作成できると考えています。彼らは、コンピュータが自院の実践に基づいているため、「ハルシネーション（幻覚）」として知られる、情報をでっち上げるという問題が軽減されると考えています。もしテストの結果、専門家が人間による計画とコンピュータによる計画の区別がつかないのであれば、このテクノロジーが、日常的な計画作成という重い精神的負荷をコンピュータに担わせることで、医師が事務作業よりも患者に集中できるように、将来的に医師を助けることができることを示唆しています。また、このプロジェクトは、数千もの古い紙の記録を読み解くという困難な作業を、データベースを構築する過程でメンターの決定を学ぶ学習体験へと変えることも目的としています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。