患者の問い合わせと医療教育のためのEyeGPT：眼科用大規模言語モデルの開発と検証
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：EyeGPT for Patient Inquiries and Medical Education: Development and Validation of an Ophthalmology Large Language Model
雑誌名：J Med Internet Res. 2024 Dec 11; 26: e60063. doi: 10.2196/60063. Epub 2024 Dec 11.
概 要：
本研究は、一般的な大規模言語モデル（LLM）を眼科専門のアシスタントに改良し、患者の問い合わせや医療教育に役立てることを目的としています。Llama2を基に、役割演技のためのプロンプトエンジニアリング、眼科特有の用語にフィルタリングされた公に利用可能なデータセット（83,919サンプル）を用いたファインチューニング、医療データベースと14冊の眼科教科書を活用した情報検索強化生成を行いました。最適なEyeGPTモデルの性能を、4人の認定眼科医が120の多様な質問を用いて評価しました。
方 法：
本研究は、Llama2を眼科専門のLLMに変換するために、プロンプトエンジニアリング、眼科用語に特化したデータセットを用いたファインチューニング、医療データベースと教科書を用いた情報検索強化生成の3つの戦略を採用しました。評価指標として、正確性、理解度、信頼性、共感性の4つを設定し、幻覚の発生率も報告しました。
結 果：
最適化されたモデルは、元のLlama2モデルに比べて有益なアドバイスを提供する能力が有意に向上し（平均9.30 vs 13.79, P<.001）、幻覚の発生を軽減しました（80.8% vs 44.2%, P<.001）。情報検索を取り入れることで、モデルの応答がさらに改善され、幻覚の発生も減少しました（59.2% vs 47.4%, P=.02）。EyeGPTは、一般的な疾患に対しても一貫した性能を示しました。
結 論：
EyeGPTの開発により、一般的なLLMを眼科特化型アシスタントに改良し、異なる戦略の比較と評価を行いました。結果は、EyeGPTが眼科医や患者を支援する可能性を示しています。