健康科学：対話型診断人工知能を目指す
Nature 642, 8067 doi: 10.1038/s41586-025-08866-7
医療の中心となる医師と患者の対話では、熟練した病歴聴取によって効果的な診断、管理、信頼関係の構築が可能になる。診断的対話が可能な人工知能（AI）システムならば、ケアの利用可能性と質を向上させる可能性がある。しかし、臨床医の専門的判断に近づくことは非常に大きな課題の1つである。本研究で我々は、診断的対話に最適化した大規模言語モデル（LLM）ベースのAIシステムであるAMIE（Articulate Medical Intelligence Explorer）を紹介する。AMIEでは、自動フィードバックを備えたセルフプレイベースのシミュレーション環境を用いて、病状、診療科、疾患背景に応じて学習を拡大する。我々は、病歴聴取、診断精度、管理、コミュニケーションスキル、共感など臨床的意義のあるパフォーマンス軸を評価するためのフレームワークを設計した。客観的臨床能力試験と類似した、検証済みの模擬患者とのテキストベースの対話による無作為二重盲検クロスオーバー試験において、AMIEのパフォーマンスとプライマリーケア医のパフォーマンスを比較した。この研究には、カナダ、英国、インドの医療提供者からの159件の症例シナリオ、20人のプライマリーケア医とAMIEとの比較、専門医と模擬患者による評価が含まれる。試験の結果、AMIEは、専門医評価による32軸中の30軸、模擬患者評価によると26軸中の25軸で、より高い診断精度とより優れたパフォーマンスを示した。ただし、我々の研究にはいくつかの限界があり、解釈には注意が必要である。大規模なLLM–患者相互作用を可能にするために、臨床医は同期テキストチャットを用いたが、これは臨床現場では通常行われない。AMIEを実臨床の状況へと橋渡しする前にはさらなる研究が必要だが、今回の結果は、対話型診断AIに向けた大きな節目となる。
