CliniDigest: A Case Study in Large Language Model Based Large-Scale Summarization of Clinical Trial Descriptions

CliniDigest: A Case Study in Large Language Model Based Large-Scale Summarization of Clinical Trial Descriptions

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？

• 臨床試験は、新しいバイオメディカル介入を評価するための研究である。臨床試験を設計する際、現在進行中の試験や完了した試験から着想を得ることがある。しかし、毎日平均100件以上の臨床試験が登録され、各試験に1500の平均単語数があるため、これらの情報に追いつくことは非常に困難である。本研究では、GPT-3.5を使用した次世代バッチクリニカルトライアルサマライザとして、「CliniDigest」を構築し、この問題への解決策を提案する。

1. 本研究の目的及び学術的独自性と創造性は？

• CliniDigestは、リアルタイムで正確かつ包括的な臨床試験の要約を提供することができるため、学術独自性の高いツールである。また、10,500単語の臨床試験記述を200単語の簡潔な要約に縮約できることから、創造性にも富んだ成果と言える。

1. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？

• 現在の臨床試験の記述には、良質でかつ正確な情報を提供することが重要である。しかし、多数の臨床試験が存在し、これを整理することは困難である。本研究では、GPT-3.5を使用して臨床試験の簡潔な要約作成ツールを提案することで、この問題に取り組んでいる。

1. 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、CliniDigestという臨床試験のバッチサマライザを開発した。457の試験を27の医療分野に分けて、CliniDigestを評価し、簡潔な要約の作成対象となる文書の特性を定量的に明らかにした。結果、CliniDigestは、平均153単語で、入力文書を平均54％使用していることが分かった。さらに、簡潔な要約に含まれる情報がどの程度正確なのかも検証し、今後の研究で詳しく検討すると述べている。

1. 本研究の有効性はどのように検証した？

• 本研究では、457の試験を27の医療分野に分類して、CliniDigestの性能を評価した。さらなる評価方法についても本研究論文中で検討されている。