医療現場における医師と患者の会話から医療オーダーを正確に抽出することは、臨床文書の負担を軽減し、患者の安全を確保するために重要なタスクです。本論文では、MEDIQA-OE-2025共有タスクに対する我々のチームの提出内容を詳述しています。新たに開発されたドメイン特化型オープンソース言語モデルMedGemmaを用いた、構造化されたオーダー抽出の性能を調査しました。具体的には、シンプルなワンショットアプローチ、推論に焦点を当てたReActフレームワーク、および複数ステップによるエージェンティックワークフローの三つのプロンプト手法を体系的に評価しました。その結果、ReActやエージェンティックフローのような複雑なフレームワークは強力であるものの、シンプルなワンショットプロンプトが公式バリデーションセットで最も高いパフォーマンスを示しました。複雑な推論チェーンは「考えすぎ」を引き起こし、ノイズを生む可能性があるため、直接的なアプローチの方が堅牢かつ効率的であると考えています。この研究は、さまざまなデータ条件における臨床情報抽出のための適切なプロンプト戦略の選択に貴重な洞察を提供します。