Multimodal LLMs for health grounded in individual-specific data
この研究の学術的背景、研究課題の核心をなす学術的「問い」は何ですか？
答え：大規模な言語モデルを使用して、健康分野を含む様々な分野でタスクを解決することができますが、個々人の健康状態に関連する多様なデータモダリティを多様に取り入れることが必要です。この研究の学術的問いは、健康に関する多様なデータモダリティを統合した多モーダル言語モデルの開発を目的とする。
本研究の目的及び学術的独自性と創造性は何ですか？
答え：本研究の目的は、健康分野において、多様なデータモダリティを用いた大規模な言語モデルを開発することである。学術的な独自性と創造性は、病気のリスクを見積もるために高次元の臨床モダリティを用いた、個人特定のデータに基づく多モーダルLLMを開発することである。
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？
答え：昨今、言語モデルを用いた健康分野における研究が盛んに行われている。本研究では、様々なデータモダリティを取り込むことで、健康分野における言語モデルを発展的に利用した疾患リスクの予測を可能にした。
本研究で何をどのように、どこまで明らかにした？
答え：本研究では、イギリスのバイオバンクからのデータを用いて、モジュール化された言語モデルであるHeLMを開発した。HeLMは、複雑なデータモダリティを学習に使える表現に変換し、高次元の時系列データを含む臨床データを用いて疾患のリスクを予測することができる。HeLMは、ASTHMAといった異なる疾患の予測において、高い性能を発揮し、従来の機械学習手法と比較して性能が向上したことが明らかになった。
本研究の有効性はどのように検証した？
答え：HeLMは、高い性能を発揮し、従来の手法と比較して高い性能を発揮することが明らかになった。また、本研究では、HeLMの潜在的な応用価値についても調査し、個人の健康情報を基にした関連会話の実現など、健康データを有効に利用するための新たな方向性を打ち立てた。