体系的なオントロジー更新のためのヒューマン・ラージュ・ランゲージ・モデル・コラボレーション: ダイエット・ライフスタイルの領域におけるケース・スタディ

科学分野:

• バイオメディカル・インフォマティクス
• オントロジー エンジニアリング オントロジー

背景:

• 体系的なオントロジーの更新は,複雑な生物医学知識基盤の維持に不可欠です.
• 伝統的な方法は時間がかかり,労働が密集することがあります.

研究 の 目的:

• 効率的なオントロジー更新のために,人間の専門知識を大型言語モデル (LLM) と統合したコラボレーションフレームワークを開発し,評価する.
• ダイエット・ライフスタイル・オントロジー (DILON) を使用してこのアプローチを実証します.

主な方法:

• 4つの最先端のLLMは,英語と韓国語のソースから100個の食事に関するアンケート項目を意味学的に注釈しました.
• LLMで生み出された概念は,モデル間で調和され,人間の専門家によって精錬されました.
• 専門家は,DILON内のコンセプトを検証し,精度と一貫性のためにProtégéを使用してキュレーションしました.

主要な成果:

• LLM,特にClaude Sonnet 4は,コンセプトの収集,冗長性の検出,階層的な精錬などのローカルなタスクに優れていた.
• グローバル・オントロジーの最適化と構造的整合性には,体系的な人間の専門家レビューと介入が必要でした.

結論:

• 人間とLLMのコラボレーションは,補完的な強みを提供し,LLMは繰り返し作業を加速し,人間は全体的な一貫性を確保します.
• この統合的アプローチは,生物医学本体学のエンジニアリングとメンテナンスの効率性,スケーラビリティ,および持続可能性を高めます.