この記事では、臨床ノートから医療の概念を効率的に抽出し、既存のオントロジーに統合するための新しい枠組み、CLOZEを提案しています。CLOZEは、大規模な言語モデル（LLM）を活用し、臨床ノートから病気に関連する概念を自動的に特定し、階層的な医療オントロジーに組み込むことによって、医療研究や臨床応用の範囲を広げます。このゼロショットフレームワークは、追加のトレーニングやラベルデータを必要とせず、コスト効果の高い解決策を提供します。また、患者のプライバシーを保護するために、保護健康情報（PHI）の自動除去を行っています。実験結果から、CLOZEは正確でスケーラブルなプライバシー保護のオントロジー拡張フレームワークを提供し、バイオメディカル研究や臨床情報学におけるさまざまな応用の支援が期待されます。