AgentSLR：エピデミオロジーにおける体系的文献レビューをエージェント型AIで自動化する

概要: 系統的文献レビューは科学的エビデンスを統合するうえで不可欠ですが、高コストであり、規模拡大が難しく、時間がかかるため、エビデンスに基づく政策決定のボトルネックになっています。本研究では、大規模言語モデルが、論文の取得、論文のスクリーニング、データ抽出からレポートの統合（シンセシス）に至るまで、完全な系統的レビューのワークフローを自動化できるかを検討します。9つのWHO指定の優先病原体に関する疫学的レビューに適用し、専門家がキュレーションしたグラウンドトゥルースで検証したところ、オープンソースのエージェント型パイプライン（AgentSLR）は、人間の研究者と同等の性能を達成しつつ、レビュー時間を約7週間から20時間へと削減しました（58倍のスピードアップ）。5つの最先端モデルの比較により、SLRにおける性能はモデルサイズや推論コストよりも、各モデルの固有の能力によって左右されることが分かりました。人間を介した検証により、主要な失敗モードを特定します。本研究の結果は、エージェント型AIが専門領域における科学的エビデンス統合を大幅に加速できることを示しています。