AIが生成した事前承認（Prior Authorization）レター：強い臨床内容、弱い行政向けのひな形

arXiv cs.AI / 2026/4/1

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、3つの商用LLM（GPT-4o、Claude Sonnet 4.5、Gemini 2.5 Pro）を、複数の診療科にまたがる医師によって妥当性が確認された45件の合成の事前承認シナリオで評価し、それらが臨床的に強いレターを生成できることを示している。
モデル間で、レターには正確な診断、適切に構成された医学的必要性の叙述、明確なステップ治療（step-therapy）の記録が含まれやすい。
別途、実世界の保険者（payer）の行政要件に対する分析では、臨床品質のスコアリングでは見落とされがちな体系的な欠落が明らかになっている。例えば、請求コードの欠落、承認期間の不明記、フォローアップ計画の不完全さなどである。
著者らは、臨床現場への導入の主要な障壁は、LLMの臨床文書作成能力そのものではなく、保険者ごとの行政上の厳密さを提供できる周辺システムの能力にあると主張している。
本研究は、単発のデモを超えて、構造化された複数シナリオ評価を用いることで、「提出準備ができている（submission-ready）」事前承認支援に何が必要かをより適切に特徴づけようとしている。