シリアライズ戦略が重要：FHIRデータ形式がLLMの薬剤照合（メディケーション・リコンシリエーション）に与える影響

Abstract

臨床におけるハンドオフ時のメディケーション・リコンシリエーション（処方内容の照合）は、重大なリスクを伴い、かつエラーが起こりやすいプロセスである。大規模言語モデルは、FHIRで構造化された患者記録を用いてこの作業を支援するために提案されることが増えているが、基本的かつほとんど研究されていない重要な変数として、モデルに渡される前にFHIRデータがどのようにシリアライズされるかがある。我々は、4種類のFHIRシリアライズ戦略（Raw JSON、Markdown Table、Clinical Narrative、Chronological Timeline）を、5つのオープンウェイト・モデル（Phi-3.5-mini、Mistral-7B、BioMistral-7B、Llama-3.1-8B、Llama-3.3-70B）に対して、200人の合成患者からなる制御されたベンチマーク上で比較し、合計4,000回の推論を行った。シリアライズ戦略は、8Bパラメータまでのモデルに対して、性能に大きく、統計的に有意な影響を与えることが分かった。Clinical NarrativeはMistral-7BにおいてRaw JSONを最大で19 F1ポイント上回る（r = 0.617, p < 10^{-10}）。この優位性は70Bでは逆転し、Raw JSONが最良の平均F1（0.9956）を達成する。20のモデルと戦略の全組み合わせにおいて、平均適合率は平均再現率を上回る。すなわち、脱落（omission）が支配的な失敗モードであり、モデルは「存在する有効な薬を見落とす」ことの方が「存在しない薬をでっち上げる（fabricating）」よりも多い。そのため、臨床における安全監査（safety auditing）の優先順位の設定方法が変わるべきことが示唆される。より小規模なモデルは、同時に有効な服薬（concurrent active medications）が約7〜10件に頭打ちになり、リコンシリエーション・エラーのリスクが最も高い多剤併用患者が、系統的に手厚く支援されていない。指示チューニングなしのドメイン事前学習モデルであるBioMistral-7Bは、すべての条件でゼロの使用可能な出力を生成し、ドメイン事前学習だけでは構造化抽出には不十分であることを示している。これらの結果は、臨床LLMの実運用に向けた、実用的でエビデンスに基づく形式推奨を提供する。8BまでのモデルにはClinical Narrative、70B以上にはRaw JSONである。完全なパイプラインは、AWS g6e.xlargeインスタンス（NVIDIA L40S、48 GB VRAM）上で動作するオープンソースツールにより再現可能である。