MEDICINE & AI

タイトル：Efficient and accurate medical AI: MediLore and MediOut 雑誌名：Front Artif Intell. 2026; 9: 1807268. doi: 10.3389/frai.2026.1807268. 概　要： 本研究は、医療における質問応答システムにおける人工知能（AI）の統合に関するもので、診断精度と計算効率のバランスを取ることが重要です。既存の大規模言語モデル（LLM）は高い性能を発揮しますが、高いメモリ使用量や遅延、稀なまたは複雑な臨床クエリへの対応において一貫性に欠けることが課題です。本研究では、医療QAのための効率的で堅牢なモデリング戦略を探求しました。 方　法： MediLoreとMediOutの2つの補完的アプローチを開発しました。MediLoreは、ドメイン特有の知識を共有バックボーンモデルに統合するためにWeighted Low-Rank Adaptation（LoRA）アダプターフュージョンを使用し、計算オーバーヘッドを削減します。MediOutは、複数のファインチューニングされたモデルからの予測をセマンティック類似性に基づいて集約する出力レベルのアンサンブル戦略を利用します。両モデルは、MedQA、PubMedQA、MedMCQAなどの臨床的にキュレーションされたデータセットで訓練・評価され、BLEU、ROUGE、BERTScore、BioBERTベースの類似性指標を用いて性能を評価しました。また、デプロイ効率を最適化するために4ビット量子化が適用されました。 結　果： MediOutはセマンティック評価指標において最高の性能を達成し、BioBERT F1スコアは0.934で、セマンティック類似性と文脈の整合性において強い改善を示しました。MediLoreは、アンサンブル精度の91%を維持しつつ、推論コストをベースラインの約0.3%に削減し、遅延を141秒から190ミリ秒に大幅に低下させました。BLEUスコアの改善は中程度（0.066-0.074）であり、語彙の重複改善よりもセマンティック整合性の向上がより顕著でした。 結　論： MediLoreとMediOutは医療QAシステムにおいて補完的な利点を提供することが示されました。MediLoreはリソース制約のある環境での効率的なデプロイを可能にし、MediOutは複雑な臨床クエリに対する堅牢性とセマンティック忠実性を向上させます。提案されたフレームワークは、効率と精度のトレードオフを強調し、実際の医療アプリケーションにおける適切なデプロイ戦略の選択に関する実用的なガイダンスを提供します。これらの発見は、バイオメディカル自然言語処理のためのスケーラブルで信頼性の高い、臨床に沿ったAIシステムの開発に寄与します。