Leveraging GPT-4 for Food Effect Summarization to Enhance Product-Specific Guidance Development via Iterative Prompting
1. 本研究の学術的な背景と研究が解決する問題は何ですか？
==> 現在、新薬申請の食事影響に関する情報の抽出は、PSG開発と評価の重要な要素であるが、手動での抽出は時間がかかることが問題となっています。本研究では、大規模言語モデルを用いた自動化によって、この問題に対処し、効率的なPSG開発を促進することを目的としています。
2. 本研究の目的及び学術的独自性と創造性は何ですか？
==> 本研究の目的は、大規模言語モデルを用いて、PSG開発における食事影響について自動的に情報をまとめる手法を提案することであり、独自性は、回答の品質を継続的に改善するイテレーションプロンプティング手法を提供する点にあります。
3. 研究の着想を得た経緯や、関連する国内外の研究動向とは何ですか？
==> 過去の研究では、大規模言語モデルを用いて文章の自動要約に関するものが多く報告されています。本研究では、食事の影響についての文章の自動要約について、大規模言語モデルを活用した新しい手法を提案しました。
4. 本研究で何をどのように、どこまで明らかにした？
==> 本研究では、大規模言語モデルを用いた、食事影響についての文章の自動要約について、イテレーションプロンプティング手法を提案し、多くの評価指標を用いて評価を行いました。その結果、自動要約の品質が徐々に向上していくことが明らかになり、特にGPT-4の性能が優れていることが示されました。
5. 本研究の有効性はどのように検証した？
==> 本研究では、FDAの評価者を対象にした評価を実施し、GPT-4による自動要約が高い品質で正確に情報をまとめることができることが示されました。これにより、効率的なPSG開発を促進することができると考えられます。