LitAutoScreener: 大型言語モデルによるエビデンスベースの医学における自動化された文献スクリーニングツールの開発と検証
Yiming Tao1, Xuehu Li2, Zuhar Yisha1
1Key Laboratory of Epidemiology of Major Diseases, Ministry of Education/Department of Epidemiology and Biostatistics, School of Public Health, Peking University, Beijing, China.
Health data science
|September 4, 2025
まとめ
LitAutoScreenerは効率的な薬剤試験スクリーニングのために大規模な言語モデルを使用し,高い精度とリコール率を達成します. このAIツールは 証拠に基づいた評価を大幅に加速し 伝統的な手作業の制限を克服します
科学分野:
- 薬理学と医薬品科学
- 医療情報工学
- 医療における人工知能
背景:
- 薬剤の有効性や安全性に関する 伝統的なマニュアル・スクリーニングは 時間と労力を要するものです
- 大規模な言語モデル (LLM) を活用して,証拠に基づいた評価の効率と質を向上させる必要がある.
- 文献のスクリーニングを自動化することは 薬の開発と研究を加速させるのに不可欠です
研究 の 目的:
- 薬物介入研究における自動化された文献スクリーニングのためのAI駆動ツールであるLitAutoScreenerの開発と最適化.
- 手動法と比較してLitAutoScreenerの性能と処理効率をLLMを使って評価する.
- PICOSの原則に基づいて複雑なスクリーニングタスクを処理するLLMの能力を評価する.
主な方法:
- ワクチン,低血糖剤,抗うつ剤の評価研究を 手動で管理したデータベースを 標準として利用した.
- PICOSの原則に基づいて,いくつかのショット学習プロンプトを使用した連鎖思考アプローチを使用してスクリーニングアルゴリズムを開発しました.
- タイトル抽象と全文スクリーニングの独立した検証コホートでの LitAutoScreener のパフォーマンスを評価し,正確さ,リコール,処理時間を評価しました.
主要な成果:
- LitAutoScreenerは,ワクチン安全性検証のタイトル抽象スクリーニングで高い精度 (最大99. 38%) とリコール (10. 00%) を示した.
- GPT-4oモデルは,他のLLMと比較して,統計的に有意な優越性を含める/除外する決定と除外理由の一致を示した.
- 完全なテキストスクリーニングは,完全なリコール (100.00%) と高精度 (100.00%) を達成し,処理時間が大幅に短縮されました (記事あたり数秒).
結論:
- LitAutoScreenerは,薬物介入研究における文献のスクリーニングに有効で効率的なアプローチを提供します.
- 高い精度を維持しながら,スクリーニングの効率を大幅に向上させます.
- LLMは,医薬品研究における証拠に基づく評価の自動化と質の向上に大きな希望を示しています.
