Nikkie Hoomanらは2026年9月6日(現地時間)、若年層で増加傾向にある早期発症大腸がんの兆候を臨床ノートの自由記述テキストから抽出する検証強化型手法「VERGE」に関する研究論文をarXiv cs.CLで発表した。この手法は、検索拡張生成と検証・洗練サイクルを組み合わせることで、不要な陽性所見を削減しつつ、真の所見検出能力を維持するとされる。
Nikkie Hooman (ニッキー・フーマン) 氏ら研究チームは、若年層における早期発症大腸がんの増加に対し、現在のエビデンスに基づく追跡検査ガイドラインが不足し、構造化された診察データでは症状の持続期間、背景、家族歴といった早期発見や追跡に不可欠な詳細が捉えきれていない現状を指摘している。
本研究は、自由記述の臨床ノートから6つの危険兆候と家族歴リスク状況を抽出する自動化手法の開発と評価を目的とした。開発されたVERGE (Verification-Enhanced Refinement for Grounded Extraction of Early-Onset Colorectal Cancer Symptoms in Clinical Notes)は、検索拡張生成 (retrieval-augmented generation) を用いて初期のラベルと根拠を提案するエージェント型ワークフローである。その後、テキストの根拠と臨床的妥当性を確認する検証・洗練サイクルを経て、解決するか、または上限に達するまで主張を修正・再確認する。解決されない主張は人間のレビューにエスカレートされる仕組みが導入されている。
VERGEは、臨床医がラベル付けした4,033件のノート・所見ペアを用いて評価された。単一エージェントのベースラインと比較した結果、VERGEは偽陽性所見を削減し、精度を0.764から0.849に向上させ、MCC（Matthews Correlation Coefficient）を0.681から0.730に改善した。これは精度と再現率のバランスの取れた向上を示している。また、エラーの大部分を自律的に解決し、人間のレビューが必要とされた主張は全体のわずか1.5パーセントであった。
これらの結果は、検証に基づく限定的なワークフローが、真の所見検出能力を犠牲にすることなく、不要な陽性所見を削減できる可能性を示している。このアプローチは、若年患者の大腸がんリスク評価を支援する、より信頼性と信用性の高い臨床言語処理ツールへの道筋を提供するとされる。
参考: arXiv cs.CL (アーカイブ) — 2026年9月7日 13:00 (JST)
原文ハイライト"VERGE reduced false positive find- ings, improving precision from 0.764 to 0.849"