大規模言語モデルと生存分析を用いた化学療法アウトカムの早期予測

要旨: がん治療の化学療法は費用がかさみ、重篤な副作用を伴うため、治療アウトカムを早期に予測して患者管理と意思決定を改善することが重要です。実世界データを用いた化学療法アウトカムの予測モデルは、がんの進行や毒性といった明示的な表現型および治療アウトカムラベルの欠如といった課題に直面します。本研究は、Large Language Models（LLMs）とオントロジーに基づく表現型・アウトカムラベル抽出技術を用いて、患者ノートから表現型とアウトカムラベルを抽出する方法でこれらの課題に対処します。我々は、最も頻繁に発生するがんのひとつである乳がんに焦点を当てました。その理由は、乳がんの有病率が高く、治療に対する患者の反応に大きな個人差があるため、予測モデリングの改善が重要であるためです。データセットには、バイタル、人口統計、病期、バイオマーカー、パフォーマンス尺度などの特徴が含まれていました。EMRデータの化学療法計画から薬剤レジメンとその組み合わせを抽出し、NCCNガイドラインに基づいて絞り込み、NIH基準で検証し、生存分析を用いて解析しました。提案手法は表現型の希薄性を大幅に低減し、予測精度を向上させました。Random Survival Forestを用いて治療失敗までの時間を予測し、C-indexは73%を達成し、特定の時間点での分類にも、精度とF1スコアが70%以上を達成しました。アウトカム確率の信頼性は、キャリブレーション曲線によって検証されました。我々はこのアプローチを他の4つのがん種にも拡張しました。本研究は、LLMベースの臨床データ抽出を用いた治療アウトカムの早期予測の可能性を強調し、個別化治療計画とより良い患者アウトカムの実現を支持する可能性を示しています。