MEDICINE & AI

タイトル：Dual retrieving and ranking medical large language model with retrieval augmented generation 雑誌名：Sci Rep. 2025 May 24; 15(1): 18062. 概　要： 本研究は、医療分野における大規模言語モデル（LLM）の応用における精度とリアルタイム応答性の課題に対処するため、検索強化生成（RAG）フレームワークを提案します。このフレームワークは、エルasticsearch技術を用いた埋め込み検索と、専門家によってレビューされた医療文書を含む動的に更新された知識ベースを組み合わせています。ColBERTv2を用いて文脈に応じた結果のランキングを行い、計算効率を維持しつつ、複雑な医療クエリに対して従来のLLMや単一検索RAGと比較して10%の精度向上を実現しました。緊急時の応答遅延の課題も残りますが、より強力なハードウェアを用いることでリアルタイムでの対応が可能です。 方　法： この研究は、医療知識ベースを用いた二段階の検索とランキングを行うRAGフレームワークを構築しました。専門家によってレビューされた文書を含む動的に更新されたデータベースを基に、ColBERTv2を用いて文脈に応じた結果のランキングを行います。実験では、複雑な医療クエリに対して従来のLLMと単一検索RAGと比較して10%の精度向上を確認しました。 結　果： 提案したRAGフレームワークは、複雑な医療クエリに対して10%の精度向上を達成しましたが、緊急時にはサブ秒応答が必要な状況での遅延の課題が残ります。実験設定では、より強力なハードウェアを使用することでリアルタイム対応が可能であることが示されました。 結　論： 本研究は、医療AIアシスタントの新たなパラダイムを確立し、精度と実用的な展開のバランスを成功裏に取ることができることを示しました。