[3H1-OS-10a] 人工知能を駆使した疾患動態研究

[3H1-OS-10a-02] EHRデータ解析および予測のための強化型Transformer-強化学習モデル

〇LI RUIMING¹、杉本 聡¹、川上 英良¹ (1. 国立研究開発法人理化学研究所)

キーワード：人工知能、電子カルテ、大規模言語モデル、強化学習

電子カルテ（EHR）の解析と予測は、現代の医療システムにおいて重要な要素であり、医療提供者と患者の双方に大きな利益をもたらします。EHRシステムに蓄積される膨大な患者データの増加に伴い、これらのリソースは予測モデルにおいて課題と機会の両方を提供します。
強化学習（Reinforcement Learning, RL）は、特に医療分野での時系列データの解析と予測に適しているため、EHR研究において注目を集めています。しかし、多くの既存手法では疾患の進行をマルコフ過程として単純化してモデル化しており、患者の医療履歴が疾患の進行に与える複雑な影響を見落とす可能性があります。
本研究では、患者の疾患・治療履歴をエンコードするために、大規模言語モデル（Large Language Models, LLMs）を活用し、履歴データの表現を強化することを提案します。その上で、強化学習技術を用いて治療推奨を最適化します。さらに、独立して訓練された補助的なLLMモデルを開発し、将来の疾患発生を予測することで、予測フレームワークの堅牢性と精度を向上させることを目指します。