犬と猫のASA分類決定および麻酔プロトコル生成における大規模言語モデルの性能評価

3行まとめ

• 犬猫225例を対象に大規模言語モデルによるASA分類の判定精度と麻酔プロトコル生成能を検証した。
• ChatGPT-5が最も高い精度を示し重症例で良好だったが低リスク例では過大評価が多くみられた。
• LLMは麻酔計画支援ツールになり得るがモデル間で性能差があり獣医師による確認が不可欠である。

この論文の要約

目的

人医療において意思決定支援ツールとして大規模言語モデル（LLM）の活用が進む一方、獣医麻酔領域での検証は限られている。本研究では、犬猫におけるASA分類の決定および麻酔プロトコル生成に対するLLMの性能を評価することを目的とした。

対象と方法

アタテュルク大学動物病院の犬猫計225例（ASA分類1〜5）の後方視的データを用いた。標準化されたプロンプトを使用し、ChatGPT-4o、ChatGPT-5、Gemini 2.5 ProにASA分類の判定と麻酔プロトコルを作成させた。生成されたプロトコルの妥当性は、2名の経験豊富な獣医麻酔専門医が4段階尺度で評価し、級内相関係数等を用いて解析した。

主な結果

ASA分類の正解率はChatGPT-5が53.3%と最も高く、次いでChatGPT-4o（46.7%）、Gemini 2.5 Pro（30.7%）であった。ASA 3〜5の症例で高い性能を示した一方、ASA 1では過大評価による誤分類が頻発した。臨床的に十分な麻酔プロトコル生成においても、ChatGPT-5が他モデルより優れていた。

臨床的意義

LLMは獣医麻酔において臨床的に有用なASA分類やプロトコルを生成できる可能性があるが、モデルごとに性能差がみられる。安全な臨床応用のためには専門家による監視が不可欠である。

⚠️ この要約はAIが自動生成したものです。