MedCalc-Pro：LLMエージェントによる複雑な医療計算の解決

皆さんは、病院で「この薬は〇〇ミリグラムを1日3回飲んでくださいね」とか、「この検査の数値は〇〇です」といった、専門的な計算や数値にまつわる話を聞いたことがあるかもしれません。実は、そういった医療現場での計算、特に患者さんの状態に合わせて複雑な計算を正確に行うことは、AIにとっても非常に難しい課題なんです。

これまでのAI（特に「大規模言語モデル」と呼ばれる、文章を理解したり生成したりするのが得意なAI）の医療計算能力を試すテスト（ベンチマーク）は、ちょっと簡単すぎた、というのが今回の研究の指摘です。どういうことかというと、これまでのテストでは、「この患者さんにはこの計算機（計算方法）を使えばOK」というように、使うべき計算機が最初からハッキリ決まっていて、しかも使うのは一つだけ、という設定が多かったんです。まるで、迷路の入り口で「この道を行け！」と最初から指示されているようなものです。

でも、実際の医療現場はもっと複雑です。例えば、ある患者さんの状態を把握するために、複数の専門医がそれぞれ違う視点から評価して、その結果を総合して判断することがありますよね。AIも、こうした「共同評価」のような場面に対応する必要があります。さらに、ある計算結果を基にして、さらに別の計算を重ねていく、という「ネストされた計算」（入れ子構造になった計算）もよくあります。そして何より、患者さんの状況を説明する時に、必ずしも「この計算機を使ってください」と具体的に指示されるとは限りません。あいまいな指示から、AI自身が適切な計算方法を見つけ出す必要があるのです。

そこで、この研究チームは「MedCalc-Pro」という新しいテスト（ベンチマーク）を開発しました。これは、実際の医療現場の複雑さをよりリアルに再現しようとするものです。MedCalc-Proでは、単一の計算機を使う簡単なケースから、複数の計算機を組み合わせるケース、そして入れ子になった計算が必要なケースまで、3段階の難易度でAIの能力を測ります。このテストには、14の異なる診療科にわたる77種類の医療計算機と、2,268件もの実際の臨床ケースが含まれています。これにより、AIが本当に医療現場で役立つ計算能力を持っているのか、より正確に評価できるようになることが期待されます。