チャットボット健康アドバイス研究における大規模言語モデル：系統的レビュー
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Large Language Models for Chatbot Health Advice Studies: A Systematic Review
雑誌名：JAMA Netw Open. 2025 Feb 03; 8(2): e2457879.
概 要：
本研究は、生成的人工知能（AI）駆動のチャットボットが健康アドバイスを提供する際の臨床的精度を評価した査読済み研究の報告のばらつきを調査するための系統的レビューを実施しました。7752件の文献をスクリーニングし、137件の研究を対象にデータ抽出を行いました。研究は主に外科（40.1%）、医学（37.2%）、プライマリケア（9.5%）に関するもので、治療、診断、疾病予防に焦点を当てていました。報告の質は不均一であり、今後のチャットボット評価報告ツール（CHART）の開発に寄与する可能性があります。
方 法：
この系統的レビューでは、MEDLINE、Embase、Web of Scienceを用いて7752件の文献を検索し、137件のチャットボット健康アドバイス研究を特定しました。2名のレビュアーがタイトルと要約でスクリーニングを行い、フルテキストレビューを経て、データ抽出を実施しました。
結 果：
137件の研究が含まれ、外科に関するものが55件（40.1%）、医学が51件（37.2%）、プライマリケアが13件（9.5%）でした。多くの研究は治療（66.4%）、診断（43.8%）、疾病予防（21.2%）に焦点を当てていました。ほとんどの研究（99.3%）は、アクセス不可のクローズドソースのLLMを評価し、LLMの特性についての情報が不足していました。成功したパフォーマンスの定義には主観的手法が多く用いられ、倫理的・規制的・患者安全に関する考慮は十分に扱われていませんでした。
結 論：
137件のチャットボット健康アドバイス研究の系統的レビューにおいて、報告の質は不均一であり、今後のCHART報告基準の開発に役立つ可能性があります。LLMの臨床統合に関する倫理的、規制的、患者安全の考慮が重要です。