指示ボタン「全体像」の自動作図例
※ 以下は英語文献の図化例です。日本語も出力します。
指示ボタン「因果関係検討図-1」の自動作図例
34歳の女性。頭痛、皮疹、眼球結膜充血、および手掌紅斑をみとめ、ミヤタ病と診断しました。イマジナリウムへの反応は限定的でした。前医で複数のNSAIDsを投与されていたため、医薬品による副作用を疑い、被疑薬を中止して徐々に回復しました。薬剤リンパ球刺激試験ではミラクルピルが陽性(S.I. 210%)でした。
指示ボタン「因果関係検討図-1」の自動作図例
文献(PDF)を操作画面にペーストすると、自動的にテキストを抽出します。抽出されたテキストから症例の記載箇所を解析対象とし、図化した例が以下です。
医薬品投与の流れと主な症状などを図化します。
医薬品と有害事象の因果関係を検討する場合、文献にメモ書きしたり、簡単な経過フローを描くなどして検討される場合があるかと思います。
文献の内容等によりますが、以下の図は20秒程度で自動作図しました。文献評価の基本は文献を丁寧に読むことですが、以下の図にメモを追記するなどにより、症例を評価する作業に注力できます。
以下は、日本語文献の例ですが、英語文献も日本語で図化します。
指示ボタン「因果関係検討図-2」の自動作図例
以下は、上記の「因果関係検討図-1」と同じ文献ですが、医薬品「VPA」を指定して作図した例です。
因果関係検討図-2は指定した医薬品(VPA)と症状の因果関係を念頭に図化します。あくまで参考としての判断ですが、赤が因果関係ありと考えた症状です。各行の()内はChatGPTが参照した箇所です。
人間が医薬品を指定することが、ChatGPTの注意機構に指定医薬品を意識させることにつながるため、図-1よりも細かな解析結果となります。
ケースにもよりますが、人間に気づきを与えたり、思考の幅を広げる助けになります。ゼロから人間だけで考えることも重要ですが、図を参考情報として活用することで、文献の理解・各種業務処理時間の短縮、業務品質向上に貢献できます。
ただし、AIは常に正しい結果を出すことを保証しないため、使いこなす側の人間に一定の能力が求められます。
この「因果関係検討図-2」は、医薬品、治療などを指定（入力）できる操作画面になっていますが、お客様のご要望に応じて、要望される視点、意図をChatGPTに与えて、以下とは異なる様式で図化させることも可能です。
ファーマコビジランス業務に限らず、様々な文献、テキストをお客様が要望される視点で解析し図化することが可能です。
ただし、弊社は、プロンプトエンジニアリングを1年間続けてきましたが、それでも思うような結果が得れないケースもあります。それは、LLMが確率モデルだからです。(こういったAIの仕組み上、モデルとモデルに与えるテキスト、そしてプロンプトの組合せが同じでも常に同じ結果を得ることはできません)
しかし、ChatGPTは、3~4ヵ月に1度の頻度で、VerUpされてきており、精度、安定性が改善され続けていることを実感しています。
医学論文を使った5000回以上のプロンプト作成経験と最新のソフトウェア技術を活用し、お客様のご要望の実現を強力にご支援できますので、お気軽にお問合せください。
