MEDICINE & AI

タイトル：A typology of physician input approaches to using AI chatbots for clinical decision-making 雑誌名：NPJ Digit Med. 2025 Dec 05; doi: 10.1038/s41746-025-02184-y. Epub 2025 Dec 05. 概　要： 本研究は、医師が臨床推論タスクにおいて大規模言語モデル（LLM）チャットボットを使用する際のアプローチを探求し、入力内容の量がパフォーマンスに与える影響を検討しています。米国の医師に対する半構造化インタビューを実施し、入力パターンに基づく類型を開発しました。さらに、2つのランダム化比較試験から医師のチャットログを分析し、各臨床ケースを入力アプローチタイプにコーディングしました。最終的に、線形混合効果モデルを用いて異なる入力アプローチタイプのケーススコアを比較しました。 方　法： 本研究は、米国の医師を対象にした半構造化インタビューと、2つのランダム化比較試験からの医師のチャットログ分析を行いました。入力アプローチは、全体のケースをコピー＆ペーストする「コピー・ペースター」、ケースの一部を選択してコピーする「選択的コピー・ペースター」、ユーザー生成のケース要約を作成する「要約者」、短いクエリを使用する「サーチャー」の4つに分類しました。ケーススコアの比較には線形混合効果モデルを使用しました。 結　果： 医師の入力アプローチには、コピー・ペースター、選択的コピー・ペースター、要約者、サーチャーの4つのタイプが特定されました。コピー＆ペーストと検索が最も多く利用されましたが、特定のタイプが臨床ケースのスコアを高めることには関連していませんでした。異なるプロンプト戦略や認知的関与、出力の解釈など、他の要因がパフォーマンスに与える影響も考慮する必要があります。 結　論： 医師の入力アプローチは多様であり、特定のアプローチが臨床推論のパフォーマンスに直接的な影響を与えるわけではないことが示されました。今後の研究では、プロンプト戦略や認知的関与がパフォーマンスに与える影響をさらに探求することが重要です。