大規模言語モデル（LLM）を医療分野に応用する研究が進む中、新たな知見が報告されました。本研究は、検索拡張機能を備えた複数エージェント型LLMと人間による協働作業を組み合わせた「ヒューマン・イン・ザ・ループ」フレームワークを開発し、臨床記録から皮膚免疫関連有害事象（cirAE）を自動検出するシステムを評価しました。 従来の医師による目視確認のみの場合と比較して、LLM支援ワークフローは複数の指標で優れた成果を示しています。検出精度を示すF1スコアは0.77から0.88へと向上し、複数の評価者間での一致度を示すコーエンのカッパ係数は0.50から0.82に改善されました。さらに重要な点として、臨床記録の平均レビュー時間は約半減し、作業効率が劇的に改善されたことが報告されています。 このフレームワークの特徴は、人間の専門的判断とAIの処理能力を融合させている点にあります。完全自動化ではなく、LLMが候補を抽出・整理し、医師がそれを確認・修正するプロセスを通じて、より正確で信頼性の高い結果を実現しています。本研究で示された手法は、皮膚系に限定されず、免疫関連毒性の検出を他の臓器システムにも応用できる可能性を示唆しており、より広範な有害事象データの抽出において、スケーラブルかつ透明性の高いアプローチを提供する道を開いています。