PubMedのEQ-5D研究を抄録に基づいて特定するための大規模言語モデルのアンサンブル

医療研究の世界では、日々膨大な数の論文が生み出されています。特に、特定のテーマについて過去の研究を網羅的に調べる「系統的文献レビュー（SLR）」は、医療の意思決定やガイドライン作成に不可欠な作業です。

しかし、このSLRの最初のステップである「研究の選別」が、いま大きな課題となっています。手作業で何千、何万という論文の要約（抄録）を読み込み、目的の研究だけをピックアップする作業は、時間も労力も膨大にかかる上に、人間がやることなので、どうしても見落としや判断のばらつきが生じてしまいます。

今回の研究が注目したのは、「EQ-5D」という少し専門的な指標です。これは、人々の健康状態を「移動能力」「身の回りの世話」「日常活動」「痛み・不快感」「不安・抑うつ」という5つの側面から評価し、生活の質（QOL）を測るための国際的なツールです。医療介入の効果を測る上で非常に重要なデータですが、このEQ-5Dに関する研究を、膨大な論文の中から正確に見つけ出すのは、専門家にとっても高度な判断が求められる難しい作業でした。

そこで、この研究チームは、最近目覚ましい進化を遂げている「大規模言語モデル（LLM）」、具体的にはGoogleが開発したGeminiとGemmaというAIモデルに目をつけました。彼らは、これらのAIモデルに論文の抄録を読ませて、EQ-5Dについて報告している論文かどうかを自動で判別させるという試みを行いました。

単にAIに任せるだけでなく、彼らはいくつかの工夫を凝らしました。例えば、AIに「こういう論文を探してほしい」とヒントを与える「プロンプティング」を少量行い、さらに複数のAIモデルの判断を組み合わせる「アンサンブル」という手法を取り入れました。ちょうど、複数の専門家の意見を総合して、より正確な結論を導き出すようなイメージです。さらに、それぞれのAIの得意不得意を考慮して重み付けをしたり、最終的な判断をメタ分類器というもう一段階のAIに委ねたりと、何重もの層で精度を高める努力をしています。

その結果、個々のAIモデルが単独で判断するよりも、複数のAIモデルを組み合わせた方が、より高い精度でEQ-5Dに関する研究を特定できることが分かりました。これは、これまで時間と労力、そして専門家の高度なスキルを要していた研究選別作業を、AIが大きく効率化できる可能性を示唆しています。将来的には、研究者が本当に重要な分析や考察に時間を割けるようになり、医療研究のスピードと質が向上することに繋がるかもしれません。