要旨: 臨床診断には、正確で検証可能であり、公式ガイドラインに明示的に基づく回答が必要です。大規模言語モデルは自然言語処理に優れている一方で、幻覚を起こす傾向があるため、精度が不可欠な高リスクの医療分野では有用性が損なわれます。既存の検索拡張生成（RAG）システムは、すべての根拠を等しく扱うため、ノイズの多い文脈や、臨床実務に整合しない一般的な回答が生じます。私たちは、ガイドラインの推奨を信頼できる臨床支援へと変換するAIシステムであるClinicBotを、3つの重要な進歩により提案します: （1）臨床ガイドラインを、推奨事項、表、定義、叙述（ナラティブ）などの意味的ユニットへと構造化して抽出し、明示的な出所（プロベナンス）を付与すること、（2）テキストの類似度ではなく、臨床的な重要性とガイドライン構造に基づいてコンテンツを優先順位付けし、ランキングすること、（3）検証可能な根拠を伴う簡潔で実行可能な回答を提示するWebベースのインターフェースを提供することです。私たちは、実在の患者からの糖尿病に関する質問と、糖尿病に関する追加のリスク評価ツール（2025年の米国糖尿病学会（ADA）『Standards of Care in Diabetes』に忠実）を用いてClinicBotを実演します。この実演では、意味的知識抽出と階層的な根拠ランキングが、複雑な臨床ガイドラインを大規模に処理するためのマルチエージェント環境において、確実に機能し得ることを示します。
ClinicBot：優先付きエビデンスRAGと検証可能な引用に基づくガイドライン準拠の臨床チャットボット
arXiv cs.AI / 2026/5/5
📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research
要点
- ClinicBotは、高リスクな医療領域での汎用LLM利用にありがちなハルシネーション問題に対処しつつ、ガイドラインに根拠づけられた正確で検証可能な回答を提供することを目的とした臨床チャットボットです。
- 同システムは、推奨事項・表・定義・ナラティブなどの意味的な構成要素として臨床ガイドラインを構造化抽出し、根拠（プロベナンス）を明示することで、回答を公式ソースに追跡できるようにしています。
- 通常のRAGが取得した根拠を均等に扱い主にテキスト類似度に依存するのに対し、ClinicBotは臨床的な重要度やガイドライン構造に基づいてエビデンスを優先順位付けし、ノイズの多い文脈を減らして臨床実務との整合性を高めます。
- ClinicBotは検証可能な引用を伴う、簡潔で実行可能な回答を提示するWebベースのインターフェースも備えており、デモでは実患者の糖尿病に関する質問と、ADAの『Standards of Care in Diabetes（2025）』に忠実な糖尿病リスク評価ツールを扱います。
- ガイドラインの意味抽出と階層的なエビデンスランキングは、複数エージェント環境でも確実に動作し、複雑な臨床ガイドラインを大規模に処理できることが示されます。
- 今回のarXiv発表は、エビデンスの構造化、優先付き検索、引用に基づく出力によって臨床チャットの信頼性を高める研究・プロトタイプを新たに提示しています。
