ESI（救急重症度指数）に向けた信頼性の高い臨床トリアージのためのドメイン適応型小型言語モデル

要旨: 正確かつ一貫した緊急度重症度指数（Emergency Severity Index: ESI）の割り当ては、救急外来において継続的な課題であり、非常に多様な自由記述のトリアージ記録が、誤トリアージおよび業務効率の低下に寄与しています。本研究では、オープンソースの小型言語モデル（Small Language Models: SLMs）が、臨床トリアージのための信頼性が高く、プライバシーを保護する意思決定支援ツールとして機能しうるかを評価します。多様なプロンプト・パイプラインにわたって複数のSLMを体系的に比較した結果、臨床ビネットと、トリアージのナラティブ（記述）の簡潔な要約を用いることで、最も正確な予測が得られることを見出しました。SLMのQwen2.5-7Bは、精度・安定性・計算効率のバランスが最も良いことを示しました。専門家がキュレーションしたデータおよびシルバースタンダードの小児トリアージデータを用いた大規模なドメイン適応により、微調整されたQwen2.5-7Bモデルは不一致および臨床的に重大な誤りを大幅に低減し、すべてのベースラインSLMと、先進的なプロプライエタリな大規模言語モデル（LLMs、例: GPT-4o）を上回りました。これらの結果は、信頼性の高いプライバシー保護型のESI意思決定支援のために、施設固有のSLMが実現可能であることを示しており、より複雑な推論戦略よりも的を絞った微調整の重要性を強調しています。