自動がんステージングおよびバイオマーカー抽出のためのLoRAによるマルチタスクLLMファインチューニング

概要: 病理レポートは乳がんの病期（staging）に関する決定的な記録として機能しますが、その非構造化形式は大規模なデータキュレーションを妨げています。大規模言語モデル（LLM）は意味的な推論を提供できる一方で、導入は高い計算コストと幻覚（hallucination）のリスクによって制限されがちです。本研究では、腫瘍（Tumor）-リンパ節（Node）-転移（Metastasis）のTNM病期、組織学的グレード、バイオマーカーを抽出するための、パラメータ効率の高いマルチタスク枠組みを提案します。10,677件のレポートからなる、専門家によって検証済みのキュレーション済みデータセットに対して、Low-Rank Adaptation（LoRA）を用いてLlama-3-8B-Instructエンコーダを微調整します。生成的アプローチとは異なり、我々のアーキテクチャは並列な分類ヘッドを用いることで、スキーマへの一貫した準拠を強制します。実験結果は、本モデルがMacro F1スコア0.976を達成し、複雑な文脈上の曖昧さや、従来の抽出手法—ルールベースの自然言語処理（NLP）パイプライン、ゼロショットのLLM、単一タスクのLLMベースライン—が扱いに苦戦する、異種なレポート形式を首尾よく解決することを示しています。提案するアダプタ効率の高いマルチタスク・アーキテクチャは、信頼性の高い、スケーラブルな病理由来のがん病期付けとバイオマーカープロファイリングを可能にし、臨床的な意思決定支援の向上や、データ駆動型の腫瘍学研究の加速につながる可能性があります。