多病患者の臨床診療ガイドラインにおける推奨の矛盾を神経記号的に解消する手法

arXiv cs.CL / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、専門学会ごとに作られる臨床ガイドラインの断片化と論理矛盾が、多病（マルチモービディティ）患者で特に問題になり、医師の認知負荷を高めるだけでなく、標準的なRAGのようなAIに「破局的なノイズ」を与えて幻覚を誘発し得ると指摘しています。
提案手法では、マルチエージェントが非構造の臨床自然言語を形式的な記号論理へ変換し、SAT（充足可能性）ソルバで推奨の冗長性や矛盾を検証する神経記号的パイプラインを導入します。
ルール相互作用の階層的タクソノミーを構築し、併存疾患の交差によって生じる意思決定上の対立である「Local Conflict（局所的矛盾）」という重要カテゴリを特定します。
SGLT2阻害薬に関する権威あるガイドライン12件を用いた評価では、検出された矛盾の90.6%がLocalに分類され、単一疾患向けのガイドライン設計ではこの構造が十分に扱えないことが示されます。
さらに、競合するLLM手法が矛盾検出に失敗する一方で、本アプローチはF1スコア0.861を達成し、「検索の前に論理検証を行うべき」という医療AIにおける知識連携の新たな技術的標準を提案しています。

Abstract

臨床ガイドラインは通常、独立した専門学会によって作成されるため、本質的に大きな断片化、冗長性、そして論理的矛盾を含みがちです。こうした不整合は、特に多疾患併存（multimorbidity）の患者に適用される場合、臨床家に認知的不協和を引き起こすだけでなく、AIシステムに壊滅的なノイズをもたらし、標準的なRetrieval-Augmented Generation（RAG）システムを脆弱にし、幻覚（hallucination）を起こしやすくします。この根本的な信頼性危機に対処するため、推奨の冗長性および競合を自動的に検出する、ニューラル・シンボリック（Neuro-Symbolic）フレームワークを提案します。我々のパイプラインは、多エージェントシステムを用いて非構造化の臨床自然言語を厳密なシンボリック論理言語へと変換し、その後、充足可能性（Satisfiability: SAT）ソルバによって検証します。論理ルール間の相互作用を階層的な分類体系として定式化することで、Local Conflict（局所的競合）という重要なカテゴリ——併存症の交差から生じる意思決定上の競合——を特定します。12の権威あるSGLT2阻害薬ガイドラインを厳選したベンチマークで評価したところ、競合の90.6%がLocalであり、単一疾患のガイドラインでは対応できない構造的複雑性であることが分かりました。最先端のLLMはこれらの競合を検出できない一方で、我々のニューラル・シンボリック手法はF1スコア0.861を達成しています。本研究は、論理検証が検索（retrieval）に先行すべきであることを示し、医療AIにおける自動知識調整の新たな技術的標準を確立するものです。