知性学研究室

知性学研究室が関心を持つのは、単に便利な検索ツールを作ることではありません。 私たちが問いたいのは、

という問題です。

現代医学において、PubMed は巨大な外部知識空間です。 そこには膨大な研究成果、症例報告、臨床試験、レビューが蓄積されています。 しかし、その規模はすでに人間が直接把握できる範囲を超えています。

このような知識空間に対して、人間はどのように問いを立て、 どのように検索し、どのように解釈するのか。 LLM やベクトル検索は、その過程をどのように変化させるのか。 GM Abstract Scan 改 と NOA は、 この問いに対する最初の実装です。

GM Abstract Scan 改 は、自然文やキーワードから PubMed 検索式を自動生成し、 取得したアブストラクトを AI が日本語で要約・分析するアプリケーションです。

これは、従来の PubMed 検索を LLM によって拡張したものです。 利用者が持つ曖昧な問いを、PubMed が処理可能な検索式へ変換し、 その結果を読みやすい形で返します。

より重要な試みが NOA です。

NOA は、検索クエリを書かずに、症例叙述や研究資料などの文書をそのまま入力することで、 腫瘍学領域の類似文献を探索するアプリケーションです。

入力された文書は AI によって要約され、ベクトル化され、 研究室で構築した腫瘍学専用データベースと照合されます。 その結果、通常のキーワード検索では見つけにくい関連論文、 特に稀少症例や複雑な臨床像に関する文献へ到達することを目指しています。

ここに NOA の特徴があります。 すなわち、検索語を考える前の段階にある文書や臨床的経験を、 そのまま医学文献空間へ接続しようとする点です。

従来の検索では、人間はまず問いを言語化し、検索語を選びます。 しかし、稀少な症例、非典型的な経過、複数の特徴を併せ持つ臨床像では、 そもそも適切な検索語を作ることが難しい場合があります。

NOA は、この問題に対して、文書全体の意味を用います。 症例の流れ、病理所見、治療経過、分子情報などをまとめて扱い、 それに近い文献を探索します。

これは単なる検索支援ではなく、人間の観察や経験を、 既存の知識空間と照らし合わせるための新しい方法であると考えています。

GM Abstract Scan 改 は、問いを検索式へ変換する試みです。 NOA は、問いになる前の文書や症例叙述を、 医学文献空間へ直接接続する試みです。