臨床ノートからの自動コード付与は国際疾病分類（ICD）コードを対象として広く研究されてきたが、現行医療行為用語（CPT）および医療共通処置コード体系（HCPCS）を幅広く推薦する研究は、比較的十分に進んでいない。既存研究は一つの専門領域、限定的なコード語彙、または単一のモデル系列に焦点を当てることが多く、異なる人工知能（AI）パラダイムが共通かつ臨床的に有意義な評価条件下でどのような性能を示すかは明らかでない。本研究では、CPTおよびHCPCSのコード付与を、臨床ノートに基づく候補コードの短い順位付きリストを医師または専門コーダーが確認する、AI支援型推薦タスクとして定式化する。ヴァンダービルト大学医療センター（VUMC）の手術記録とMedical Information Mart for Intensive Care IV（MIMIC-IV）の退院時要約を用い、語彙検索、Clinical-Longformer、GPT-5.6-Sol、MedGemma-27B、および検証可能なエージェント型の検索・検証システムを、統制された確認件数の制約下で比較する。固定数の推薦候補内におけるマイクロ平均再現率により、正解コードが確認可能なリストに含まれるかを測定し、正解ラベルが十分に完全な場合に限ってマイクロF1を報告する。ゼロショットのGPT-5.6-Solは、上位5件および10件の候補において最高の再現率を達成し、VUMCではそれぞれ0.717と0.800、MIMIC-IVでは下限値として0.689と0.738を記録した。検索・検証システムは、VUMCでは0.695と0.784、MIMIC-IVでは下限値として0.575と0.657を達成し、保持された各推薦には候補と関連付けられた根拠範囲が付与された。診断的分析により、出力長不足による候補数の未充足、類似コード間の混同、知識ベース外のコード生成、不完全な根拠支持など、異なる失敗要因が明らかになった。これらの知見は、処置コード推薦の体系的な評価枠組みを確立するとともに、正確で確認効率が高く、臨床的根拠に基づく将来のシステムに必要な実践的要件を示す。
https://doi.org/10.64898/2026.08.29.26361731