Concetti Chiave
ChatGPT 3.5を使用して、薬剤処方文書の名称抽出と文章展開を行い、その性能を評価した。
Sintesi
本研究では、薬剤処方文書の自動構造化と正規化を目的として、ChatGPT 3.5を活用しました。薬剤処方文書は、地域ブランド名や略語、様々な表記形式が混在するため、解釈が困難です。
名称抽出(NER)タスクでは、6種類の異なるプロンプトを検討しました。プロンプトEが最も良好な性能を示し、テストデータでF1スコア0.92を達成しました。ただし、単位の抽出精度が低いことが課題として残りました。
文章展開(EX)タスクでは、3種類のプロンプトを検討しました。プロンプト3が最も良好な性能を示し、テストデータでF1スコア0.77を達成しました。特に投与経路の展開精度が高く、投与量や投与頻度の展開も良好でした。一方で、単位の展開精度が低いことが課題でした。
本研究の結果から、ChatGPTを活用することで、薬剤処方文書の自動構造化と正規化が可能であることが示されました。ゼロショットアプローチに比べ、フューショットアプローチにより、安全性に影響を及ぼす誤認識を防ぐことができました。今後は、より大規模なデータを用いた検証や、他のLLMとの比較、倫理的な課題への対応が必要と考えられます。
Statistiche
薬剤処方文書には、ブランド名、成分名、単位、投与経路、投与指示などの情報が含まれている。
処方文書は、略語や混在する言語、様々な表記形式を含むため、解釈が困難である。
ChatGPTを用いたNERタスクでは、プロンプトEが最も良好な性能を示し、F1スコア0.92を達成した。
ChatGPTを用いたEXタスクでは、プロンプト3が最も良好な性能を示し、F1スコア0.77を達成した。
Citazioni
"薬剤処方文書は、地域ブランド名や略語、様々な表記形式が混在するため、解釈が困難である。"
"ゼロショットアプローチに比べ、フューショットアプローチにより、安全性に影響を及ぼす誤認識を防ぐことができた。"