ウイルスおよび海洋毒素に対する対抗策のための、大規模言語モデルによる知識データベース開発

arXiv cs.AI / 2026/4/1

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、主要なウイルスおよび海洋毒素に対する医療的対抗策に関して、包括的かつ最新のデータベースが不足していることが、エビデンスに基づく研究開発の意思決定を遅らせうる点を扱っている。
著者らは、2つのLLM（ChatGPTとGrok）と、人が提供した高レベルの入力を用いて、公的情報源を特定し、関連する文献データを収集し、情報を反復的に相互検証することで、厳選された対話型の知識データベースを構築する。
対抗策のランキング課題では、データベースに掲載された治療法を順位付けするために、2つのAIエージェント（研究に焦点を当てるエージェントと意思決定に焦点を当てるエージェント）から構成されるエージェント型のワークフローを用いる。
その結果得られる対話型Webページは、厳選された情報へのアクセスを容易にし、対抗策の選定および更新をより迅速かつスケーラブルに支援することを目的としている。

要旨: ウイルスおよび海洋毒素に対する効果的な治療法の研究開発のためには、医療用カウンターメジャーに関する最新情報へのアクセスが重要である。しかし、ウイルスおよび海洋毒素のデータを体系的にキュレートした包括的データベースが不足しているため、医療用カウンターメジャーに関する意思決定は遅く、困難である。本研究では、ChatGPTおよびGrokの2つの大規模言語モデル（LLM）を用いて、ラッサ、マールブルグ、エボラ、ニパ、ベネズエラ馬脳炎の5種のウイルスと海洋毒素に対する治療用カウンターメジャーの、包括的な2つのデータベースを設計する。人間が高いレベルで提供した入力を用いて、2つのLLMは、これらの5種のウイルスと海洋毒素に関するデータを含む公開データベースを特定し、これらのデータベースおよび文献から関連情報を収集し、収集した情報を反復的に相互検証し、キュレートされた包括的データベースに容易にアクセスできるインタラクティブなWebページを設計する。特に、ChatGPT LLMは、データベース内のウイルスおよび海洋毒素に対するカウンターメジャーを順位付けするための、エージェント型AIワークフロー（研究と意思決定のための2つのAIエージェントから構成）を設計するのに用いられる。まとめると、本研究は、包括的な知識データベースの構築とエビデンスに基づく意思決定の支援に向けて、LLMを拡張可能で更新可能なアプローチとして活用できる可能性を探るものである。