大規模言語モデルの体系的レビューと医療教育への影響
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：A systematic review of large language models and their implications in medical education
雑誌名：Med Educ. 2024 Nov; 58(11): 1276-1285.
概 要：
本研究は、大規模言語モデル（LLMs）が医療教育においてどのように活用されるかを探求し、医学生の学習体験に与える影響を評価することを目的としています。医学生は、医療専門職としての能力を身につけるために厳しい教育過程を経ますが、LLMsの登場は情報過多や時間的制約、臨床教育者への圧力といった課題に対する有望な解決策を提供します。しかし、医療教育へのLLMsの統合には、教育者や専門家、学生にとって重要な懸念や課題が伴います。
方 法：
PubMed、Web of Science、Embaseを用いて、LLMsと医療教育に関連するキーワードを使った文献検索を行い、ChatGPTの登場から2024年2月までの関連文献をレビューしました。全文または英語で利用可能な記事のみを対象とし、各研究の信頼性は2名の独立したレビュアーによって批判的に評価されました。
結 果：
166件の研究が特定され、そのうち40件が本研究に関連すると判断されました。関連する研究の主なテーマには、LLMsの能力、個別化学習などの利点、コンテンツの正確性に関する課題が含まれます。特に、42.5%の研究がChatGPTを含む新しい方法でLLMsを評価し、医療試験や臨床情報の文脈で人間レベルのパフォーマンスを再現する可能性を示しました。残りの研究は、医療教育におけるLLMsの将来的な役割について広く議論しています。
結 論：
医療教育におけるLLMsの責任ある実装は、学習体験を向上させる有望な機会を提供します。しかし、情報の正確性を確保し、スキル構築を強調し、倫理的な安全策を維持することが重要です。LLMsの適切な統合には、継続的な批判的評価と学際的な協力が不可欠です。