臨床診断支援におけるLLMの役割

はじめに

臨床診断は医療の中核をなす知的作業であり、医師の深い知識と豊富な経験が求められます。近年、大規模言語モデル（LLM）がこの複雑な領域において、医師の思考を補助し、診断の質と効率を向上させる「診断支援ツール」としての可能性を示し始めています。本レッスンでは、LLMを臨床診断にどのように活用できるか、その具体的な役割と重要な注意点について探ります。

LLMによる診断支援の具体的な応用

LLMを用いた鑑別診断リスト作成のフロー図。患者情報（症状・所見・検査）を入力し、LLMが鑑別診断リストを生成して医師が評価するプロセス。 — 患者情報を構造化して入力することで、LLMは網羅的な鑑別診断リストを生成します。

LLMは、その広範な知識ベースと推論能力を活かして、診断プロセスの様々な段階で医師をサポートします。

鑑別診断リストの作成

患者の症状、身体所見、初期検査結果などをLLMに入力することで、考えられる疾患のリスト（鑑別診断リスト）を網羅的に生成させることができます。特に経験の浅い医師や、稀な疾患を考慮する際に非常に有用です。

あなたは経験豊富な感染症専門医です。以下の患者情報に基づき、
考えられる鑑別診断を5つ、可能性の高い順に挙げてください。
それぞれの診断について、支持する所見と否定的な所見を明確にし、
思考プロセスを説明してください。

# 患者情報
- 35歳、女性
- 主訴: 1週間の発熱、頭痛、筋肉痛
- 現病歴: 10日前に東南アジアへの渡航歴あり。蚊に刺された記憶がある。
- 身体所見: 体温38.5℃、全身に点状出血斑あり。
- 検査所見: 血小板 8万/μL (低値)

ステップバイステップで考えてください。

このプロンプトにより、LLMは渡航歴、症状、所見を統合的に解釈し、デング熱、マラリア、チクングニア熱といった感染症を論理的にリストアップします。

視点

LLMの鑑別診断の強み

人間の医師は、自身の経験した症例に引きずられる「利用可能性ヒューリスティック」や、最初の印象に固執する「アンカリングバイアス」の影響を受けることがあります。LLMは網羅的な知識ベースに基づいて鑑別を生成するため、見落としがちな稀な疾患を想起させてくれる「認知的セーフティネット」として機能し得ます。

追加検査の提案

鑑別診断リストを絞り込むために、次に行うべき検査や質問についてLLMに提案を求めることもできます。

上記の患者について、診断を確定するために次に行うべき検査を
3つ提案してください。それぞれの検査の目的も説明してください。

これにより、診断プロセスを効率化し、不要な検査を減らすことにつながります。

検査結果の解釈支援

複雑な血液検査データ、遺伝子パネル検査の結果、放射線画像のレポートなど、専門的な知識を要する検査結果の解釈をLLMに支援させることも可能です。LLMは関連する文献やデータベースを瞬時に参照し、結果が示唆する臨床的意義について解説を提供します。

LLMをセカンドオピニオンとして活用する際の注意点

LLMと医師の認知的な補完関係を示す左右対比図。左が医師のバイアス（アンカリング・利用可能性ヒューリスティック）、右がLLMの網羅的な知識ベース。 — LLMは医師の認知バイアスを補完する役割を果たしますが、最終的な判断は臨床医が下します。

LLMは強力なツールですが、その回答を鵜呑みにすることは極めて危険です。以下の原則を厳守する必要があります。

LLMは思考の壁打ち相手である

LLMの提供する情報は、あくまで医師自身の思考を深め、視野を広げるための「材料」です。診断の最終的な判断と責任は、常に臨床医にあります。

情報の正確性を常に検証する

LLMはハルシネーションを起こす可能性があります。特に治療法や薬剤の用量といった患者の安全に直結する情報については、必ず成書、診療ガイドライン、添付文書などの信頼できる情報源で裏付けを取る必要があります。

注意

LLMは「自信満々に間違える」

LLMの最も危険な特性の一つは、誤った情報でも自信に満ちた口調で提示することです。存在しない論文を引用したり、実在しない薬剤の用量を提示したりすることがあります。回答のトーンと正確性は無関係であることを常に意識し、クリティカルな情報は必ず一次情報源で確認してください。

LLMが自信のある口調で回答しても正確性は保証されないことを示す対比図。左にConfidence満点のLLM回答、右にAccuracy未保証の警告。 — LLMの回答のトーンと正確性は無関係であり、治療に直結する情報は必ず一次情報源で確認が必要です。

バイアスを認識する

LLMの学習データには、人種、性別、社会経済的地位などに関するバイアスが含まれている可能性があります。特定の集団に対して不適切な診断や治療を提案するリスクがあるため、LLMの回答を批判的に吟味し、常に公平性を意識することが重要です。

臨床コンテキストの重要性

LLMは、テキスト情報としては提供されない患者の表情、声のトーン、社会的背景といった重要な臨床コンテキストを理解できません。これらの非言語的・文脈的情報は、医師が自ら収集し、診断プロセスに組み込む必要があります。

比較

LLM活用が有効な場面 vs 注意が必要な場面

有効な場面: 稀な疾患の想起、複雑な検査結果の整理、最新ガイドラインの参照、教育目的での症例ディスカッション

注意が必要な場面: 救急でのリアルタイム意思決定、投薬量の決定、患者の心理社会的要因が重要な場面、法的判断が伴う場面

まとめ

LLM活用が有効な場面と注意が必要な場面を2×2グリッドで示した図。稀な疾患の想起や教育目的が有効側、救急リアルタイム意思決定や投薬量決定が注意側。 — LLMの診断支援は有効な場面と注意が必要な場面を区別して使い分けることが重要です。

LLMは、鑑別診断のリストアップ、追加検査の提案、検査結果の解釈などを通じて、臨床診断における医師の強力なパートナーとなる潜在能力を秘めています。しかし、それはあくまで「支援」であり、医師の専門的な判断を代替するものではありません。LLMの回答を鵜呑みにせず、常に批判的な視点で情報を評価し、最終的な意思決定の責任は自らが負うという姿勢を堅持することが、この技術を医療の質の向上のために賢く利用する鍵です。

次のレッスンでは、患者とのコミュニケーションという医療のもう一つの重要な側面でLLMをどのように活用できるかを探ります。

参考文献

Singhal K, et al. Large language models encode clinical knowledge. Nature. 2023;620(7972):172-180. DOI 10.1038/s41586-023-06291-2
Singhal K, et al. Toward expert-level medical question answering with large language models. Nat Med. 2025;31:943-950. DOI 10.1038/s41591-024-03423-7

セルフチェック

1. LLMを鑑別診断に活用する際の「認知的セーフティネット」としての役割とは何ですか？

2. LLMの診断支援において最も危険な特性はどれですか？

3. LLMが理解できない臨床コンテキストとして適切なものはどれですか？

明日のアクション

最近経験した症例（匿名化したもの）についてLLMに鑑別診断を依頼し、自身の鑑別リストと比較してみましょう。LLMが挙げた疾患で自分が見落としていたもの、逆にLLMが見落としていたものを記録し、LLMの診断支援の有用性と限界を体感してください。