2026-1-5
臨床医は，日々患者の状態をアセスメントし，種々の検査・処方オーダを入力する。オーダセットを用いることで，煩雑なオーダ入力を簡略化する工夫が行われているが，ガイドラインの更新等に合わせ，オーダセットを手動でレビューする過程は非常に時間を要するものであった。これに対し，米国の研究チームは，オーダセットの精度向上・効率化に向けて，LLMマルチエージェントシステムの有用性を示す研究成果を発表した。同研究はJAMA Network Openに掲載されている。
本研究では，5つのLLMベースのエージェント（内容評価/文献探索/知識獲得/医学的検証/提案要約）を組み合わせ，既存のオーダセットに対する最適な改善案を生成した。各提案に関して，正確性や実行可能性，有用性の観点で医師がスコアリングを行ったところ，54％の提案が高い正確性を持つと評された一方，高い有用性を持つとされたのは19％であった。また，提案評価に際するLLMの活用を模索し，医師による評価ポイントを学習させたところ，LLMと医師による評価の一致度を表す指標（Cohen κ係数）が，0.06から0.41まで増加し，中等度の一致度が見られた。このLLMにより評価を代替させると，総提案数を29％削減し，有用な提案の92％を保持することが可能であった。
研究チームらは「本研究で示したようなAIモデルを用いることで，一貫したアプローチでオーダセットの最適化を行うことが可能となった。専門家の役割を，手動での改善点の発見から，的を絞った効率的な提案検証へと移行させる一歩になるだろう」と述べている。今後は，電子カルテへの組み入れ等によって，リアルワールドでの活用検証が期待される。
【参照論文】
Optimizing Order Sets With a Large Language Model–Powered Multiagent System