穿刺吸引・非婦人科の細胞診報告書を、院内で動かすオープンソースLLMで診断カテゴリに分類し、精度管理の作業を自動化できるか実データで評価した論文。
- 2024年1月の細胞診報告書472件を、ローカル環境のDeepSeek-R1:32Bで処理し、細胞病理専門医1人の判定を正解として比べた
- 分類の一致率は98.5%(95%CI 97.0〜99.3%、κ=0.973)で、誤分類は7件。確認にかかった時間は手作業の279分から4.15分に減った
- 誤分類の多くは記載の曖昧さや施設ごとの解釈の慣習によるもの。単施設・1か月分の報告書での評価で、低確信度の出力は人の確認に回す設計だった
院内に置いたモデルで、報告書の集計という地味な作業を片づけた例です。薬局の疑義照会の記録集計も、似た形で回せるかもしれません