MEDICINE & AI

タイトル：A new AI assisted approach aligns data standards and accelerates interoperability in biomedical research. 雑誌名：NPJ Digit Med. 2026 Jun 12; doi: 10.1038/s41746-026-02795-z. 概　要： 本研究では、大規模言語モデル（LLM）を用いて、バイオメディカルデータの調和を加速する方法を示します。31のデータセットを処理し、OpenAIのGPT-4を使用して、各要素の包括的なメタデータを生成しました。専門家による検証の結果、生成されたメタデータの94%が修正不要であり、半構造化ソースに対する非加重精度は83.8%でした。このシステムは、ElasticSearchを使用して変数間の意味的同等性を特定し、重複する共通データ要素（CDE）を回避しながら標準化されたリポジトリを構築します。アルツハイマー病神経画像イニシアチブ（ADNI）およびグローバルパーキンソン遺伝プログラム（GP2）のデータセットを用いたテストでは、32.4%の新しいヘッダーがCDEに成功裏にマッピングされ、相互運用性スコアは平均53.8/100でした。このアプローチは、データ統合の最も煩雑な側面を自動化し、バイオメディカル研究における研究間のコラボレーションの障壁を低減します。 方　法： 本研究は、31のデータセットを対象にした研究で、OpenAIのGPT-4を用いて共通データ要素（CDE）の自動生成を行いました。専門家による検証を経て、生成されたメタデータの精度を評価しました。ElasticSearchを用いて変数間の意味的同等性を特定し、重複を避けるための標準化リポジトリを構築しました。 結　果： 生成されたメタデータの94%が修正不要であり、半構造化ソースに対する非加重精度は83.8%でした。ADNIおよびGP2データセットでは、32.4%の新しいヘッダーがCDEにマッピングされ、相互運用性スコアは平均53.8/100でした。 結　論： このAI支援アプローチは、バイオメディカルデータの調和を加速し、研究間のコラボレーションの障壁を低減する可能性を示しました。データ統合の煩雑な作業を自動化することで、相互運用性の向上が期待されます。