人工知能（AI）モデルは、エビデンスに基づく医療（EBM）の分野において優れた能力を発揮し、医療従事者が最新の研究成果を把握するという課題に対する有望な解決策を提供しています。マウントサイナイ・アイカーン医科大学の研究者らが最近行った研究は、大規模言語モデル（LLM）がdent した医療実践に革命をもたらす可能性を明らかにしました。.
AIモデルとエビデンスに基づく医療
エビデンスに基づく医療とは、従来の方法や個人的な信念にとらわれず、利用可能な最良の研究エビデンスに基づいて患者の臨床判断を下すことを指します。急速に進化する今日の医療環境において、次々と流入する新しい研究に対応することは、医療従事者にとって困難な課題です。しかし、本研究は、AIチャットボット、特にChatGPT-4がこの複雑さに対する有望な解決策となる可能性を示唆しています。.
研究チームは、OpenAIのChatGPT、Gemini、LLAMA v2、Mixtral-8x7Bなど、様々なAIモデルの能力をテストしました。これらのモデルには、事前にキュレーションされた症例ファイルへのアクセスが与えられ、利用可能なデータに基づいて臨床判断を行うという課題が与えられました。研究者らは、いくつかの指標を用いてモデルのパフォーマンスを評価しました。.
ChatGPT-4が先導する
研究者らは報告書の中で、AIモデルの幻覚耐性、臨床判断の妥当性、臨床ガイドラインへの準拠を評価しました。この研究で最も優れた成績を収めたのはChatGPT-4で、人間の介入なしに臨床現場で機能する能力が最も高く、他のLLMを凌駕しました。.
報告書によると、「LLMは、エビデンスに基づく医療の自律的な実践者として機能することができる」とのことです。これは、LLMが現実世界の医療システムと連携し、確立されたガイドラインに従って患者のタスクを管理する可能性を強調しています。.
EBMにおける法学修士（LLM）の優れた実績にもかかわらず、本研究では運用において改善が必要な領域がいくつかdentされました。大きな制約の一つとして、主流の法学修士（LLM）は2021年に研修の締め切りを迎えることが多く、それ以降の新しい医療データを把握できないことが挙げられます。報告書では、これらのモデルを新しい医療情報で更新することはコストのかかる作業であり、実用化を妨げる可能性があると指摘しています。.
さらに、法学修士（LLM）に馴染みのない医学的主題に関する情報提供を依頼する場合、幻覚のリスクが懸念されます。さらに、文化的配慮や抗生物質耐性に関するデータが不足しており、臨床判断の正確性に影響を与える可能性があります。.
革新的なソリューション
EBMにおけるLLMのパフォーマンスを向上させるため、研究者らはRetrieval Augmented Generation（RAG）と呼ばれる新しいツールを導入しました。このアプローチでは、AIモデルにタスク固有の情報を提供することで、応答の質を効果的に向上させます。.
プロンプトエンジニアリングは、LLMの応答を洗練させるもう一つの方法としてdentされました。研究者たちは、LLMに「あなたは医学教授です」といった具体的な情報を与えることで、応答が患者と医療システムにより適したものになることを発見しました。.
研究者たちは、複雑なガイドラインや診断の微妙な差異を処理するモデルの能力には限界があることを認めているが、検索拡張生成がこれらの問題に対処し、推奨事項をより患者中心にして医療システムに適応させることができると信じている。.
有望な未来におけるAIと医療
AIやブロックチェーンといった新興技術の統合は、医療と公衆衛生の分野で急速に進んでいます。がん検出や疫病 trac分野におけるAIの可能性を探る研究が進行中です。.
AIが法の枠内で発展し、運用されながら、増大する課題に対処するためには、専門家はエンタープライズブロックチェーンシステムの統合を提案しています。このようなシステムは、入力データの品質と所有権を保証し、データの完全性と不変性を確保します。.
マウントサイナイの研究は、AI、特にChatGPT-4がエビデンスに基づく医療を変革する上での可能性を浮き彫りにしています。課題はあるものの、Retrieval Augmented Generationのような革新的なソリューションは、臨床現場におけるAIモデルの性能向上に有望な手段を提供します。テクノロジーの進化に伴い、医療におけるAIの未来は、患者ケアと臨床意思決定の改善に大きな期待が寄せられています。.
