医療教育における生成AI：LLM生成の臨床ケースとMCQの実現可能性と教育的価値
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：Generative AI in medical education: feasibility and educational value of LLM-generated clinical cases with MCQs.
雑誌名：BMC Med Educ. 2025 Oct 27; 25(1): 1502. doi: 10.1186/s12909-025-08085-8. Epub 2025 Oct 27.
概 要：
本研究は、学部医学教育において大規模言語モデル（LLM）を用いて生成された臨床ケースシナリオと選択式問題（MCQ）の実現可能性と教育的価値を評価することを目的としています。ChatGPT 4.0によって生成された12の眼科臨床ケースが8人の教師によって評価され、高得点のケースがレビュー授業に選ばれ、学生の学習をテストしました。学生の認識は、授業中および授業後のアンケートを通じて収集されました。
方 法：
12の眼科臨床ケースシナリオとMCQがChatGPT 4.0によって生成され、8人の教師によってその質が評価されました。高得点のケースがレビュー授業に選ばれ、学生の学習効果をテストしました。学生の認識は、5段階のリッカートスケールを用いたアンケートで収集されました。
結 果：
12のケースの平均質得点は52.33±5.44（範囲：48-54.25、最大60）でした。教師による同一臨床ケースの得点には統計的な差が見られました（F=16.050, P<0.001）。20人の学生のうち、95%がAI生成のケースが学習資源を豊かにしたと同意し、80%が学際的統合と学習効率の向上を報告しましたが、85%が授業後の練習にLLMを使用したものの、コンテンツの正確性と難易度の調整に懸念を示しました。
結 論：
ChatGPTのようなLLMは、正確なプロンプトの下で臨床的に関連するケースシナリオとMCQを迅速に生成できる新しいツールを教育者と学習者に提供します。しかし、AIの幻覚のリスクを軽減し、カリキュラム基準との整合性を確保するためには専門家のレビューが重要です。具体的には、画像記述の矛盾や診断論理の不一致が見られ、人間の監視によるコンテンツの正確性と教育的有用性の向上が必要です。