TiAb Review Plugin：AI支援によるタイトルおよび抄録スクリーニングのためのブラウザベースツール

要旨: 背景: サーバー型のスクリーニングツールは購読コストを課す一方で、オープンソース代替はコーディングスキルを必要とする。目的: コード不要のサーバーレスな人工知能（AI）支援によって、タイトルおよび抄録のスクリーニングを行うブラウザ拡張機能を開発し、その機能を検討した。 方法: TiAb Review Plugin はオープンソースのChromeブラウザ拡張機能（https://chromewebstore.google.com/detail/tiab-review-plugin/alejlnlfflogpnabpbplmnojgoeeabij で入手可能）である。共有データベースとして Google Sheets を使用し、専用サーバーを不要にすることで、多数のレビュー担当者による共同作業を可能にする。ユーザーは自身の Gemini API キーを提供し、ローカルに保存され暗号化される。このツールには3つのスクリーニングモードがある。すなわち、手動レビュー、大規模言語モデル（LLM）によるバッチスクリーニング、機械学習（ML）による能動学習である。ML の評価のために、既定の ASReview 能動学習アルゴリズム（Naive Bayes を用いた TF-IDF）を TypeScript で再実装し、ブラウザ内で実行できるようにした。そして、6つのデータセットに対して 10-fold クロスバリデーションを行い、元の Python 実装との同等性を検証した。LLM の評価のために、ベンチマークデータセット上で2つのモデルファミリーにわたる16のパラメータ構成を比較し、そのうえで最適構成（Gemini 3.0 Flash、low thinking budget、TopP=0.95）を、5つの公開データセット（1,038〜5,628件、有病率0.5〜2.0%）に対する感度志向のプロンプトで検証した。 結果: TypeScript の分類器は、6つのデータセットすべてで、元の ASReview と 100% 同一の上位100件ランキングを生成した。LLM によるスクリーニングでは、再現率が94〜100%、精度が2〜15%であり、再現率95%における Sampling at 95 percent recall（WSS@95）の Work Saved は 48.7〜87.3% の範囲だった。 結論: LLM スクリーニングと ML 能動学習をコード不要・サーバーレス環境に統合した、機能するブラウザ拡張機能を開発した。体系的レビューのスクリーニングに対して実運用可能な状態である。