専門家によって導かれた知識構造を用いた自己組織化マップの知識の検証
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：Validating the knowledge represented by a self-organizing map with an expert-derived knowledge structure
雑誌名：BMC Med Educ. 2024 Apr 16; 24(1): 416.
概 要：
本研究は、機械学習の結果がどのように生成され、何を意味するのかを理解しない限り、専門家がカリキュラム開発に機械学習を活用することに消極的であることに着目しています。医療文献の視覚化は膨大な情報を要約できますが、解釈が難しい場合があります。本研究では、自己組織化マップ（MedSOM）が、精神科の主要教科書の参考文献を一貫して要約する能力を検証しました。
方 法：
Kaplan and Sadockの精神科教科書の10版の参考文献リストを、Medline/PubMedに索引された査読済み医療研究記事の完全なセットに基づいて訓練された自己組織化マップ（MedSOM）に投影しました。K-meansクラスタリングを用いて、各版の参考文献が教科書内の知識を一貫して要約できるかを検討しました。
結 果：
MedSOMは、1967年から2017年までの10版にわたり、精神科の知識領域を6つに一貫してクラスタリングしました。クラスタリングは、一般・成人精神医学、児童精神医学、行政精神医学など、広範な精神科実践の抽象レベルで行われました。
結 論：
医療専門家がカリキュラム開発などの目的で公表された医療文献の視覚化を受け入れるには、その意味の検証が必要です。本研究は、自己組織化マップ（MedSOM）が、標準的な精神科教科書の知識主張を支える参考文献の安定性と一貫性を検証できることを示しており、機械学習の成果を広く受け入れられた知識の基準に結びつけています。