| アイテムタイプ |
会議発表論文 / Conference Paper(1) |
| 公開日 |
2025-10-07 |
| タイトル |
|
|
タイトル |
Large Language Models Can be Good Medical Annotators: A Case Study of Drug Change Detection in Japanese EHRs |
| 言語 |
|
|
言語 |
eng |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
Large Language Models |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
Adverse Event Detection |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
Japanese EHRs |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
Signal |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
Medication |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
Real World Data |
| 資源タイプ |
|
|
資源タイプ |
conference paper |
| アクセス権 |
|
|
アクセス権 |
open access |
| 著者 |
Ito, Takeshi
Yoshie, Tomohide
Yoshimura, Sohei
Ohara, Nobuyuki
矢田, 竣太郎
若宮, 翔子
荒牧, 英治
|
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
In this study, we combined automatically generated labels from large language models (LLMs) with a small number of manual annotations to classify adverse event–related treatment discontinuations in Japanese EHRs. By fine-tuning JMedRoBERTa and T5 on 6,156 LLM-labeled records and 200 manually labeled samples and then evaluating on a 100-record test set, T5 achieved a precision of 0.83, albeit with a recall of only 0.25. We noted that when training solely on the 200 human-labeled samples (that contained significantly few positive cases), the model failed to detect any adverse events, making a reliable measurement of precision or recall infeasible (that is, N/A). This underscores the potential of large-scale LLM-driven labeling as well as the need to improve recall and label quality in practical clinical scenarios. |
| 書誌情報 |
en : Proceedings of the 20th World Congress on Medical and Health Informatics
巻 329,
p. 1140-1144,
ページ数 5,
発行日 2025-08-19
|
| 会議情報 |
|
|
|
会議名 |
MEDINFO 2025 |
|
|
主催機関 |
Taiwan Association for Medical Informatics (TAMI) |
|
|
開始年 |
2025 |
|
|
開始月 |
08 |
|
|
開始日 |
09 |
|
|
終了年 |
2025 |
|
|
終了月 |
08 |
|
|
終了日 |
13 |
|
|
開催期間 |
2025-08-09 - 2025-08-13 |
|
|
開催地 |
Taipei, Taiwan |
|
開催国 |
TWN |
| 出版者 |
|
|
出版者 |
IOS Press |
| ISSN |
|
|
収録物識別子タイプ |
EISSN |
|
収録物識別子 |
1879-8365 |
| 出版者版DOI |
|
|
関連タイプ |
isReplacedBy |
|
|
識別子タイプ |
DOI |
|
|
関連識別子 |
https://doi.org/10.3233/SHTI251017 |
| 出版者版URI |
|
|
関連タイプ |
isReplacedBy |
|
|
識別子タイプ |
URI |
|
|
関連識別子 |
https://ebooks.iospress.nl/doi/10.3233/SHTI251017 |
| 権利 |
|
|
権利情報Resource |
https://creativecommons.org/licenses/by-nc/4.0/ |
|
権利情報 |
© 2025 The Authors. This article is published online with Open Access by IOS Press and distributed under the terms of the Creative Commons Attribution Non-Commercial License 4.0 (CC BY-NC 4.0). |
| 著者版フラグ |
|
|
出版タイプ |
NA |
| 助成情報 |
|
|
|
助成機関名 |
National Center for Global health and Medicine (NCGM) |
|
|
研究課題番号 |
JPJ012425 |
|
|
研究課題名 |
Cross-ministerial Strategic Innovation Promotion Program (SIP) on “Integrated Health Care System” |
| 助成情報 |
|
|
|
助成機関名 |
Japan Science and Technology Agency (JST) |
|
|
研究課題番号 |
JPMJCR22N1 |
|
|
研究課題番号URI |
https://projectdb.jst.go.jp/grant/JST-PROJECT-22717060/ |
|
|
研究課題名 |
リアルワールドテキスト処理の深化によるデータ駆動型探薬 |
