Spaces:

KS00Max
/

diabetesLLM

Sleeping

App Files Files Community

diabetesLLM / presentation /presentation.md

KS00Max

major update for knowledgebase!

5f860f1 3 months ago

preview code

raw

history blame contribute delete

7.62 kB

A newer version of the Gradio SDK is available: 6.9.0

Upgrade

metadata

marp: true
theme: default
size: '16:9'
paginate: true
header: 'DiabetesLLM: Guideline-based Instructable System'
footer: 2025 | University of Tsukuba | Kosuke Shimizu
style: |
  /* 全体のフォントと色設定 */
  section {
    font-family: 'Helvetica Neue', 'Arial', 'Hiragino Kaku Gothic ProN', 'Meiryo', sans-serif;
    color: #333;
    padding: 40px 50px;
    background-color: #fff;
  }

  /* 見出しのデザイン */
  h1 {
    font-size: 2.4em;
    color: #003366; /* 濃紺：信頼感 */
    margin-bottom: 0.2em;
    border-bottom: none;
  }
  h2 {
    font-size: 1.6em;
    color: #003366;
    border-bottom: 2px solid #003366;
    padding-bottom: 10px;
    margin-top: 0;
  }
  h3 {
    font-size: 1.2em;
    color: #0055aa;
    margin-top: 0;
    margin-bottom: 10px;
  }

  /* 強調・テキスト装飾 */
  strong { color: #b00020; font-weight: bold; } /* 落ち着いた赤 */
  .center { text-align: center; }
  .small { font-size: 0.8em; color: #666; }

  /* レイアウト用コンテナ（Flexbox） */
  .columns {
    display: flex;
    justify-content: space-between;
    align-items: flex-start;
    gap: 30px;
  }
  .col {
    flex: 1;
    /* 均等配置 */
  }

  /* ボックスデザイン */
  .box {
    background-color: #f4f8fb;
    border-left: 6px solid #003366;
    padding: 15px;
    margin-top: 20px;
    border-radius: 4px;
    box-shadow: 0 2px 5px rgba(0,0,0,0.05);
  }
  .box-alert {
    background-color: #fff5f5;
    border-left: 6px solid #c00;
    padding: 15px;
    border-radius: 4px;
  }

  /* テーブルの微調整 */
  table {
    width: 100%;
    border-collapse: collapse;
    font-size: 0.9em;
  }
  th {
    background-color: #003366;
    color: #fff;
    font-weight: normal;
  }
  tr:nth-child(even) { background-color: #f9f9f9; }

  /* 数式の余白 */
  .math-block {
    background: #fff;
    padding: 10px;
    text-align: center;
    margin: 20px 0;
    border: 1px solid #eee;
  }

DiabetesLLM

不確実性推定と階層的検索を用いた ガイドライン準拠型糖尿病療養指導支援システム

清水紘輔 University of Tsukuba | 2025

1. 臨床応用における生成AIの「致命的欠陥」

LLMは流暢ですが、医療応用には構造的な欠陥があります。

❌ 確率論的オウム返し

LLMは単語を確率的に繋げているだけで、医学的な真偽（Valid/Invalid）を判定できません

⚠️ ハルシネーション

「もっともらしい嘘」をつく特性は、誤った用量・用法を提示する具体的危険性があります

2. システム設計：Clinical Reasoningの模倣

医学的な推論をシステムモジュールとして再構成しました

医師の思考ステップ	DiabetesLLMのモジュール	技術的実装 (How)
1. トリアージ	Safety Filter	ルールベースによる緊急度判定
2. 鑑別診断	Hierarchical Indexing	ベクトル検索による「章」の特定
3. 確信度の確認	Uncertainty Est.	エントロピー計算による閾値判定
4. 文献参照	Retrieval-Augmented Generation	ガイドライン本文の引用・抽出
5. インフォーム	Generation	抽出知識の平易化・要約

「医学的判断」と「言語表現」を完全に分離するアーキテクチャ

3. 技術詳細①：階層的検索 (Hierarchical Retrieval)

単純な検索では文脈を見失います。本システムは2段階のスコープで検索します

Step 1: Macro Scope

「どの章の話か？」 入力ベクトル $\mathbf{q}$ と各章の代表ベクトル $\mathbf{c}_i$ を比較

例：「シックデイ」の章を特定
効果：無関係な章を数理的に遮断

Step 2: Micro Scope

「どの段落か？」 特定された章の中だけで詳細検索

例：インスリン調整の段落を抽出
効果：文脈の取り違えを防止

4. 技術詳細②：不確実性に基づく「拒否」判断

「分からなくても自信満々に答える」AIを防ぐため、迷いを数値化します。

H(p) = - \sum_{z \in \text{Chapters}} p(z \mid q) \log p(z \mid q)

✅ 複雑性（H(p)）が小さい
意図が明確（特定章に自信あり）
→回答生成へ

🛑 複雑性（H(p)）が大きい
意図が曖昧（分布が平坦）
→回答拒否・受診勧奨

Point: 医療倫理:まずは害をなすなを数理的な閾値処理として実装。

5. RAGの役割：記憶ではなく「参照」

LLMには記憶させず、常に外部資料を「参照」させます。

比較項目	従来のLLM (ChatGPT等)	DiabetesLLM (提案手法)
情報源	学習済みデータ（ブラックボックス）	ガイドラインのみ
出典	不明	ページ・段落を明示可能
最新性	学習時点まで	情報差替で即時対応
制御	困難（制御不能な生成）	容易（参照箇所の限定）

6. 実装フロー：シックデイ時の対応例

Input: 「熱があり食欲がない。インスリンは打つべき？」

Safety Check 「意識レベル」「呼吸苦」等の緊急性がないことを確認
Indexing 入力ベクトルが「シックデイ」章に近いと判定
Entropy Check 判定の確信度が高いため、プロセス続行
Retrieval Augmented Generation ガイドラインP.xx「シックデイの対応・インスリン調整」を取得
Generation

7. 医療安全上の利点 (Traceability)

本システムは、出力結果の監査が可能です

根拠の透明性

AIが「なぜその回答をしたか」を、参照したガイドラインのページ番号・段落IDで完全に追跡可能です。

ニューラルネットワークのブラックボックス性を排し、工学的に管理可能な状態を担保しています。

8. 結論と今後の展望

DiabetesLLM は、生成AIを「魔法の杖」としてではなく、「制御可能なモジュール」として医療システムに組み込みました。

Safety First エントロピーによる「分からない」の検知。
Evidence Based RAGによるガイドラインへの完全準拠。
Explainability 階層的検索によるプロセス可視化。

Next Step: 実際の指導場面におけるログデータを用いた、不確実性閾値（$\tau$）の臨床的妥当性の検証。