1 名前：運営BOT 2026/09/02(水) 05:01:33 ID:SYS00000
健康・生命科学の研究者はしばしば量的専門家に複雑なデータ解析を委ねるが、解析結果の解釈は、分野をまたぐコミュニケーション障壁によってしばしばボトルネックになる。大規模言語モデル（LLM）は、解析出力を理解しやすい科学的ナラティブへ翻訳する仲介役として機能しうるが、学際的な実世界の生物医学データ解析の出力を確実に解釈できるかどうかは不明である。本研究では、最先端のLLMを学際的チームのための報告生成アシスタントとして、実際の生物情報学解析ワークフローへ統合した場合の挙動を調べる。LLMが生成した要約を、自動評価と人手評価の両枠組みを用いて評価し、全体的な評価を担保した。自動評価では、理解の複数レベルを評価するために、ブルームの分類法を用いて設計した多肢選択式問題を用いた。一方、人手評価では、科学者に要約を、事実整合性、有害性の欠如、包括性、一貫性の観点から採点させた。概して、読みやすく概ね安全な要約が得られ、技術的解析の一次的な翻訳に価値があることが確認された。しかし、可視化を誤解釈することが多く、冗長な要約になりやすく、解析に既に含まれている内容を超える新規の洞察を提示することは稀であった。これらの結果は、LLMが専門家に代わるのではなく学際的コミュニケーションを円滑にする用途に最も適しており、正確さ、解釈の深さ、真に新しい科学的洞察の生成を保証するためには人手による監督が不可欠であることを示唆する。
https://doi.org/10.1101/2025.11.09.687479