国立情報学研究所（NII）市民講座「データとAIが支える未来の医療 ―医療現場の知を学習する日本語LLMの研究開発―」まとめ・感想
昨日、国立情報学研究所（NII）市民講座「データとAIが支える未来の医療 ―医療現場の知を学習する日本語LLMの研究開発―」が開催されました。
アーカイブがYouTubeで公開されています。
以下まとめ：
米国全国調査では、健康や医療について情報を求めた際、最初に利用する情報源として、
生成AIと回答した割合がおよそ8%であった。
LLMは、医師の複雑な臨床判断を支援できる。
（LLMを用いた医師は、LLMを用いなかった医師に比べて、複雑な臨床シナリオにおける診断スコアが向上する。）
NIIは独自の医療LLM「SIP-jmed-llm」（基盤型ソブリン医療LLM）を開発。
胆嚢穿孔の症例について、チャットボット（ChatGPTみたいなもの）に「追加のモニタリング、検査、または治療を推奨しますか？」と入力すると、
・患者の状態に関する正確な要約
・心房細動の正確な診断に向けた追加モニタリング
・心エコーによる器質的因子の精査
・脳梗塞予防のためのリスク評価
・心房細動の誘因検索
・周術期における影響因子の探索
・推奨される検査と治療の要約
・スコアシステムの正しい解説
・正確なスコア計算とリスク評価
が示された。
SIP-jmed-llmは、日本の医療に特化した大規模言語モデルの研究開発として
SIP「統合型ヘルスケアシステムの構築における生成AIの活用」テーマ1として開発された。
LLM-jp Series（データ・モデルパラメタを含む全ての構築過程がオープンなソブリンLLM）を元に、
・日本語医療コーパスの構築
・最適なドメイン適応戦略の探索
・日本語医療評価ベンチマーク
を追加して開発されている。
臨床関連のユースケースでは、LLMが標準的な医学知識を有することは既に暗黙の前提となっており、
そのうえで様々な臨床業務支援や疾患特化の治療介入を行うソフトウェアが開発されている。
汎用Webクロールデータからなる300Bの一般ドメインのコーパスと、出版社等からの利用許諾や、医療系のWebクローリングによる医療系コーパスを構築した。
日英の医学教科書等から構成される日英の言語比率が均衡した大規模な医療系コーパス（英語：約45％、日本語：約45%、残り：日英対訳コーパス）を構築した。
モデルの評価については、
日本語医療分野におけるLLMの性能を包括的に評価するためのJMedBenchを開発した。
日本語の医学テキストは希少であり、ウェブから収集された医療関連文書の多くが英語であった。
言語比率の偏りは「日本語医療」分野へのドメイン適応に負の影響を与えることが懸念されたため、機械翻訳を用いて、継続事前学習コーパスにおける最適な言語構成を探索した。
SIP-jmed-llmは5年間の医師国家試験でいずれも合格水準に達し、
平均してGPT-4を上回る性能を示した。
日本の医療に特化したソブリンLLMの開発意義として
・データ主権とプライバシー保護
・医療従事者や患者に対する信頼確保：開発過程の透明性
・日本人固有の健康問題や疾患リスク
- 食塩摂取量が多く高血圧や脳血管疾患のリスクが高いと言われている
- 副作用の少ない分子標的抗がん剤として承認されたイレッサは、日本人において重篤な肺障害を引き起こした
・日本固有の文化や医療制度の・体系への適合：安楽死の制度的否定、漢方医学、欧米の標準治療とは異なる治療戦略（直腸がんの側方リンパ節郭清など）
が挙げられた。
GPT-5とSIP-jmed-llmの比較の一例として、
「遺伝性血管性浮腫の治療として、地方の小規模病院でもできる緊急外来での点滴治療を教えてください。」の質問に対し、
GPT-5ではトラネキサム酸の提案が一切なかったが、
SIP-jmed-llmでは提案された。
（C1インヒビター濃縮製剤を緊急外来で直ちに投与可能な病院が限られており、地方の小規模病院ではトラネキサム酸の投与が第一に検討されることが多い）
※これはあくまで一例であり、モデルの優劣を一般化するものではない
SIP第3期「統合型ヘルスケアシステムの構築」新テーマB6では、大規模症例知識ベースとLLMの統合を通じて、熟達した臨床医の症例理解プロセスを内在化した、次世代の日本語医療LLMの構築を目指す
LLMはAIシステムの新たな可能性を切り拓いた一方で、容易に解決することのできない課題をもたらした。
・ハルシネーション
・自動化バイアス
・De-skilling
・社会的差別の再生産
・データセット汚染攻撃への脆弱性
・プライバシー・リスク
・誤情報拡散
・雇用喪失
一方、LLMには容易に解決することが困難な様々な課題もある。
例えば、「レプトスピラ症において優位となるビリルビン分画は？」という質問について、
SIPモデルやGoogle AIは「間接」ビリルビンと回答したが、
医学教科書や症例報告では「直接」ビリルビンと記載されている。
臨床医を対象とした調査では、半数以上がLLMを日常的に利用しており、
そのうち91.8％が医療ハルシネーションに遭遇し、84.7%が患者に害を及ぼしうると回答。
AIに任せて良いこと、人間が担い続けることの境界を引くのは、
医療AIの性能ではなく、誤ったときに誰が責任を負えるか。
AIに任せて良いこと：
・大量の記録の要約・整理
・見落としてはいけない論点の列挙
・定型文書の作成
・知識の検索と提示
人間が担い続けること：
・患者の価値観を聴き取ること
・不確実性の中で決断すること
・悪い知らせを伝えること
・結果に対して責任を負うこと
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※感想として、
黒橋先生主催のLLM-jpの応用例として、SIP-jmed-llmっていう国産の医療LLMがすでにあるということと、
「日本語の医学テキストは希少であり、ウェブから収集された医療関連文書の多くが英語であった。機械翻訳を用いて、継続事前学習コーパスにおける最適な言語構成を探索した。」というところで、私の仕事もちょっと発生しそう（機械翻訳&人力翻訳）、ということと、
私のHuman CallをSIP-jmed-llmに組み込んだら役立ちそうと思いました。
来月のAAMT 2026, Naraで黒橋先生とお話させていただける機会があったらいいな、と思いました。
