臨床ノートを用いた退院予測（翌日）に向けた資源を意識したモデリング
arXiv cs.AI / 2026/4/7
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本研究は、術後の臨床ノートを用いて予定手術の脊椎手術における翌日の退院を予測するため、資源を意識したモデリング手法を評価する。
- 13のモデルをベンチマークし、非生成型パイプライン（TF-IDF＋LGBM）が最も良い総合性能を達成することを示す。退院クラスに対してAUC-ROCは0.80、F1-scoreは0.47である。
- LoRAで微調整したコンパクトなLLM（例：DistilGPT-2およびBio_ClinicalBERT）は、全体として効果が限定的である。LoRAはDistilGPT2の再現率（recall）には寄与するが、主要なテキストベースのベースラインを上回るには至っていない。
- 著者らは、解釈可能で軽量なモデルが、不均衡で現実の臨床予測のような条件において、トランスフォーマー型／生成型のアプローチよりも優れる可能性があると結論づけており、資源制約下での実運用を後押ししている。
