大規模言語モデルが臨床質問スキルに及ぼす影響

現在、臨床質問技術指導の主流は、実習に参加する学部学生に症例の特徴や診断ポイントを学ばせ、その後病棟で実際の患者を対象に質問練習を行うというものである。 しかし、研修生の数が多いため、現状の指導形態では、尋問症例数や疾患種類の豊富さなどの点で指導需要に応えることが困難である。 したがって、指導効率を向上させ、学生の臨床的思考を強化するには、新しいインテリジェントテクノロジーを活用し、質問スキル指導の新しいモデルを作成する必要があります。

大規模言語モデリング（LLM）は、大量のテキストから知識を学習できる深層学習技術であり、ChatGPTなどのAIチャットボットはその代表的な応用例です。 AI チャットボットは、さまざまな状況における擬人化された理解力と多様な自然言語生成能力を特徴としており、米国医師免許試験に合格したり、眼病歴の文書化を支援したり、眼科の質問に答えたりするなど、当初は医療分野で応用されてきました。 ただし、LLM は一般的な医学知識においては十分なモデリング性能を備えていますが、専門疾患の領域ではまだ改善の必要があることが判明しました。 これに基づいて、研究チームは眼科教科書、臨床ガイドラインのコンセンサス、中山眼科センターのインターネット会話データと知識ベースを初期段階で使用し、人工フィードバック強化学習やその他の技術と組み合わせてLLMを微調整し、訓練しました。 、眼科関連の医学的質問に答える機能を備えたローカライズされた大規模言語モデル「デジタル ツイン ペイシェント」を開発し、自動モデル評価と医療専門家による手動評価の組み合わせも構築しました。 自動モデル評価と医療専門家による手動評価を組み合わせた評価システムも同時に構築した。

このプロジェクトは、「デジタル ツイン 患者」を眼科の学部実習に統合し、学生と「デジタル ツイン 患者」のオンライン インタラクションを通じて実際の患者の診察プロセスをシミュレートし、「デジタル ツイン 患者」診察指導の効果を調査し、新しいテクノロジーを提供することを目的としています。医学生がさまざまな眼科症例を積極的に学び、臨床的思考を養い、新しいインテリジェントな教育方法を生み出す可能性を提供するツールです。