MEDICINE & AI

タイトル：Pre-trained language models in medicine: A survey 雑誌名：Artif Intell Med. 2024 Aug; 154: 102904. 概　要： 本研究は、自然言語処理（NLP）の急速な進展に伴い、BERT、BioBERT、ChatGPTなどの事前学習済み言語モデル（PLM）が医療分野のさまざまなNLPタスクにおいて大きな可能性を示していることを調査しています。PLMの基本概念と医療における研究を概説した後、テキスト要約、質問応答、機械翻訳、感情分析、固有表現認識、情報抽出、医療教育、関係抽出、テキストマイニングなどの医療NLPタスクの種類を分類し、各タスクの基本概念、主な手法、PLM適用の利点、適用手順、トレーニングおよびテスト用データセット、評価指標を提供します。また、最近の重要な研究成果をまとめ、動機、強みと弱み、類似点と相違点を分析し、潜在的な制限についても議論します。最後に、モデルの信頼性、説明可能性、公平性を向上させるための今後の研究方向について展望します。 方　法： 本調査は、医療におけるPLMの適用に関する文献レビューを基にしています。具体的には、医療NLPタスクに関連する研究を分類し、各タスクの基本概念、手法、利点、データセット、評価指標を整理しています。さらに、引用数や発表された会議・ジャーナルの影響力を比較し、研究の質と影響を評価しています。 結　果： PLMを用いた医療NLPタスクに関する最近の研究成果を分析し、各タスクの強みと弱み、研究の動機を明らかにしました。また、現在最も関心のある研究トピックを特定しました。調査の結果、PLMの適用における信頼性、説明可能性、公平性の向上が今後の重要な研究課題であることが示されました。 結　論： PLMは医療分野において有望な技術であり、今後の研究においてその信頼性や公平性を向上させることが求められています。本調査は、NLP技術を医療に応用する研究者や医療専門家にとって貴重な参考資料となるモデルコードやデータセットのダウンロードリンクも収集しています。