NTTら、LLMを用いた治験候補患者の抽出共同研究を開始

発表内容のポイント

• 電子カルテ等のデータからLLMを用いて治験候補患者を抽出する精度を検証
• NTTの「tsuzumi 2」をベースにした医療特化型LLMを技術検証に適用
• ルールベース手法とLLMを組み合わせ、医師らの判定結果と比較評価する

発表の背景

新薬の臨床開発において、治験候補患者の抽出は医師や治験コーディネーターが個別に診療情報を確認する必要があり、多大な時間と労力がかかっていました。これが治験全体のスケジュール遅延につながる課題となっています。近年、実臨床データの利活用が進む中、非構造化データを含む患者情報を横断的に解釈できるLLMの活用が注目されており、抽出プロセスの効率化が求められていました。

何が発表されたのか

本共同研究では、近畿大学病院の電子カルテデータ等を対象に、中外製薬の治験実施計画書に基づく適格基準を用いて検証を行います。具体的には、PythonやSQLを用いたルールベース手法、LLMを活用した手法、およびこれらを組み合わせた手法の3パターンで抽出を実施。医師や治験コーディネーターによる実際の判定結果と比較し、精度や作業時間、負荷の変化を定量的に評価します。技術検証には、データ統制を重視した設計が特徴であるNTTのLLM「tsuzumi 2」の医療特化型が用いられます。

製造業・生産管理への見方

本件は医療・製薬分野の事例ですが、プロセス産業における「研究開発・臨床試験のリードタイム短縮」という、製造業のバリューチェーン上流におけるDX（デジタルトランスフォーメーション）の先進事例として捉えることができます。膨大な非構造化データ（テキストやカルテ等）から、特定の複雑な条件（適格基準）に合致する対象をAIで高精度にスクリーニングするアプローチは、製造現場における不具合文書の解析や、技術伝承、過去のトラブル事例からの類似条件抽出といった、製造業DXにおけるナレッジ活用プロセスにも応用可能な技術モデルです。

現場で確認したいポイント

• 医療特化型LLM「tsuzumi 2」の、機微情報を扱うデータ統制設計の仕組み
• ルールベースとLLMを組み合わせたハイブリッド手法による抽出精度の向上度合い
• 2027年3月までの研究期間における、実運用への適用可能性と社会実装の計画

確認しておきたい点

本研究におけるAIの出力結果はあくまで医師の判断支援を目的としたものであり、最終的な診療判断は医師が行うことが前提となっています。また、現時点では共同研究の開始段階であり、具体的な短縮時間などの数値効果は検証中の段階です。

関連リンク

• 発表企業のPR TIMESページ：NTT株式会社のプレスリリース一覧

出典情報