医療情報のための大規模言語モデル使用に関する体系的なアプローチ

科学分野:

• 医療情報学
• ヘルスケアにおける人工知能

背景:

• ChatGPTのような大規模言語モデル（LLM）の人気が高まっています。
• 医療分野におけるLLMの既存のフレームワークは限られています。
• 効果的な医療利用のためには、標準化されたプロンプト技術が必要です。

研究 の 目的:

• 医療分野におけるLLMプロンプト変数と節の命名法を確立すること。
• ヘルスケアにおける構造化されたプロンプトアプローチの有用性を実証すること。
• 患者固有のLLM情報生成のための方法論を概説すること。

主な方法:

• 主要な用語（入力プロンプト、変数、節、人口統計変数、独立変数、従属変数、生成節、出力）を定義しました。
• 評価のためにChatGPT-4を使用しました。
• 患者と医師の視点からの3つのサンプル患者ケースで方法論を実装しました。

主要な成果:

• 変数と節の正確な組み合わせは、ユニークでパーソナライズされたLLM出力を生成します。
• LLMの出力は、患者の人口統計（年齢、性別、体重、身長、教育）を考慮します。
• LLMは、包括的な教育資料を迅速に生成でき、医療成果を向上させる可能性があります。

結論:

• 説明されたフレームワークは、医療LLMの入力方法論を標準化します。
• このアプローチは、患者固有の情報クエリの可能性を高めます。
• 最適な結果を得るためには、専門分野および提示固有のプロンプト調整を将来の研究で探求する必要があります。