LLMと統計分析を用いた医学教育のための学習ガイドの生成
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：Generating learning guides for medical education with LLMs and statistical analysis of test results.
雑誌名：BMC Med Educ. 2025 Mar 29; 25(1): 458. doi: 10.1186/s12909-025-06978-2. Epub 2025 Mar 29.
概 要：
本研究は、ベルリンのシャリテ大学医学部が年2回実施する医学部生向けの進捗テスト（PTM）において、学生の強みと弱みを把握するための数値フィードバックを提供する方法を自動化することを目的としています。PTMは毎学期1万人以上の参加者が受験するため、より詳細な情報を提供し、学生が改善すべきトピックや学習すべき内容を示す必要があります。
方 法：
本研究では、大規模言語モデルと統計分析に基づく7段階のアプローチを開発しました。まず、ChatGPT 4.0を用いてPTMの200問からMeSH用語の形でキーワードを特定し、医療用語のリストと照合しました。次に、PTMの質問の回答パターンを分析し、質問間の経験的関係を見出しました。この情報を基に、特定のMeSH用語に関連する質問の系列を取得し、PTM参加者のパフォーマンスを評価し、医療トピックに基づいた個別のフィードバックを作成するフレームワークを構築しました。
結 果：
過去のPTMのデータを用いて1,401人の参加者に対する個別フィードバックの生成をシミュレーションし、34から243のトピックに関する知識の具体的情報を提供しました。評価された学習トピックの14.67%から21.76%において、重要な知識のギャップが見つかりました。
結 論：
MeSH用語で定義された最大243の医学トピックにわたる学生フィードバックを生成する方法を設計し、テストしました。学習の後半にある学生から得られたデータを用いたフィードバックは、彼らの知識レベルに合った質問が多いため、より詳細な内容となりました。