大規模言語モデル埋め込みによる診療記録からの外傷後てんかんの予測
arXiv cs.LG / 2026/4/17
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- この研究は、外傷後てんかん（PTE）を資源負担の大きい神経画像に頼らず早期に予測できるかを検討しています。
- TRACK-TBIコホートの厳選データを用い、事前学習済み大規模言語モデル（LLM）の埋め込みを固定特徴抽出器として診療記録をエンコードし、表形式特徴・LLM埋め込み・ハイブリッド表現を比較しています。
- 表形式データとLLM埋め込みを組み合わせるモダリティ対応の特徴融合が最良で、AUC-ROCは0.892、AUPRCは0.798を達成しました。
- 予測において重要だったのは、急性の外傷後けいれん、損傷の重症度、神経外科的介入、ICU滞在などです。
- 総じて、LLM埋め込みを用いた手法は、画像ベースのアプローチを補完し得る有望な枠組みであると示しています。
