がん免疫療法の副作用をカルテから抽出、AI支援で確認時間が4割減少
米国の研究グループは、がん免疫療法の副作用をカルテから抽出するAIを3段階で検証しました。AI支援により、確認時間の中央値は428秒から242秒に減少しました（43.5%減）。全項目の重症度が正解と一致した割合は25.9%でした。
この記事の3ポイント
- AI支援で確認時間が約4割減少しました。 臨床研究スタッフ17人の無作為化クロスオーバー試験で、中央値は428秒から242秒に減少しました。
- 副作用の有無はよく拾いましたが、重症度の判定は弱い結果でした。 検出のF1は0.92、重症度は0.66でした。
- 評価者の一致は大きく上がりましたが、AIの提案に引きずられた影響を切り分けていません。 外部検証と患者の転帰の評価も行われていません。
がん免疫療法の副作用は、いまも人がカルテを読み返して調べています。米Mass General Brighamなどの研究グループは、この作業を支援するAIを開発し、開発から実地の試験までを3段階で検証しました。結果はNature Cancerに2026年10月29日付で掲載されています。
カルテに埋もれる副作用
免疫チェックポイント阻害薬では、最大40%の患者に免疫関連有害事象（irAE）が起きます。論文によると、入院した例でもICDコードで拾えるのは約68%です。残りを調べるには、カルテの文章を読む必要があります。
このAIは、カルテ1件ごとに心筋炎、皮膚炎、甲状腺炎、肝炎、大腸炎、肺臓炎の6種類を調べます。有無に加えて、今の話か過去の話か、重症度のグレード（CTCAE）、薬との因果関係、その確からしさも抜き出します。検出と重症度は3回ずつ実行し、別のエージェントが食い違いを判定します。モデルはGPT-4.1-miniで、費用は1件あたり約0.021ドルでした。
3段階の検証
研究グループはまず、専門家が注釈した263件で試しました。検出のF1（取りこぼしと誤検出のバランスを1つにした指標で、1.0が満点）は0.92で、3回実行をやめると0.78に下がりました。重症度は0.66で、誤りはグレード2と3に集まっていました。
有無の判定だけなら、779語のキーワード照合でも一部のLLMと同等以上の成績でした。重症度や因果関係はキーワードでは取り出せないため、著者らはこの部分にAIの役割があるとしています。
次に、2025年5〜7月の3か月間、画面に結果を出さないサイレント運用で884件を処理しました。F1は現在の事象で0.72、過去の事象で0.79に下がりました。人の判定と一致した割合は、重症度で62%、因果関係で87%でした。
確認時間と評価者の一致
最後に、臨床研究コーディネーターと看護師の17人が、20件のカルテをAIありとなしで確認しました。確認時間の中央値は428秒から242秒に減少しました（43.5%減、差は2.71分、P<0.001）。17人中15人がAIありの作業を好みました。
全項目の重症度が正解と一致した割合は、19.4%から25.9%に上がりました（OR 1.45、P=0.045）。ラベルごとの正解率には有意な差がみられませんでした（P=0.791）。
評価者どうしの一致（Krippendorffのαで、1.0が完全な一致）は、2組のカルテで0.22から0.85へ、0.51から0.82へ上がりました。
この研究の限界
全員が同じ提案に従って同じ間違いをしても、一致の数字は上がります。著者らも、この影響を切り分けられていないと述べています。3段階とも同じ医療機関群で行われ、外部検証はありません。ステロイド開始までの時間や入院といった転帰も評価していません。
現場で見るべきこと
編集部では、近い使い道は治験や安全性の集計でカルテを読み直す作業だと考えます。診療中の重症度の判定を任せられる結果ではありません。日本語のカルテで同じ成績が出るかは、この研究からはわかりません。導入を検討する施設は、AIの誤りを担当者が見つけられるかを自施設のカルテで確かめる必要があると考えます。
研究メモ：資金は米国立がん研究所や米国がん協会などの助成で、資金提供者は研究に関与していないとされています。著者の一部は企業からの顧問料などを開示しています。コードはZenodoで公開されています。
出典
- [1]
- [2]
※画像はGPT Image 2.5で生成したイメージです。