生成AIを用いた先進医療教育支援プラットフォーム説明資料

Transcript

1. 生成AIを用いた
   医療教育支援プラットフォーム
   説明資料
   八尋 隆明
   大分大学医学部先進医療科学科
   

   View Slide

2. 医療教育支援プラットフォームの目的
   Oita University All Rights Reserved. 1
   背景
   ⚫ 生命科学分野や医工学分野での
   AIを始めとしたテクノロジーの急速な発展
   ⚫ 高齢化社会の到来による
   医療・福祉分野での人材不足
   ⚫ 医工連携や産学官連携における
   意識や目的の違いによる多数の課題の露見
   課題解決に向け、工学的知識を持った医療従事者、
   マネジメントやマーケティングのできる研究者など、
   多領域を横断的に橋渡しのできる
   「融合人材」の育成が必要
   生成AIはその利用方法によって
   情報収集、抽出等の作業を飛躍的に
   向上することが可能である
   AI、DXに関する教育を行うと同時に、
   生成AIを教育自体に用いることで、
   AI技術を理解、応用する能力を持つ
   人材を育成していく
   

   View Slide

3. 医療教育支援プラットフォームの考え方
   ChatGPT等の一般に公開されている生成AIのサービスをそのまま使用するのではなく
   下記のような特徴を持つ独自の生成AIプラットフォームを準備する
   2
   Oita University All Rights Reserved.
   リスクへの対応 ⚫ 入力した機密情報や個人情報が企業側のデータとして蓄積されず、活用されない
   柔軟な外部リソース ⚫ PubMed等のWebサイトを特定情報リソース読み込み先として指定できる
   データの最新化 ⚫ Webサイトにある最新の情報を読み込むことができる
   （ChatGPTには2021年9月頃のデータまでしか搭載されていない）
   特徴 ⚫ 本プラットフォームを核として外部のシステムとの連携などを行い、
   学生の学習支援や教員の指導促進に活用する（医療に関する知の高速道路）
   

   View Slide

4. 医療教育支援プラットフォームの構成イメージ
   Oita University All Rights Reserved. 3
   医療教育支援プラットフォーム
   学生 教員
   ChatGPT
   （生成AI）
   DeepL
   （翻訳ツール）
   Pinecone
   （ベクトルDB）
   大学
   独自データ
   PubMed
   （医療論文DB）
   キーポイントの抽出や
   学習支援情報の提示を実施
   翻訳の実施
   ベクトル検索
   の実施
   医療論文データ
   の活用
   独自データ
   の活用
   本プラットフォームを核として、外部のシステムとの連携や大学独自データの取り込みを行い、
   学生の学習支援や教員の指導促進に活用する
   

   View Slide

5. 医療教育支援プラットフォームにおける3つのフェーズ
   Oita University All Rights Reserved. 4
   Phase 1 Phase 2 Phase 3
   生成AI先進医学
   教育支援システム
   生成AI先進医学
   実習支援システム
   生成AI先進医学
   研究支援システム
   概要
   ⚫ 生成AIを使いこなすための
   知識や能力の育成
   ⚫ システムの支援による
   学習効率の向上
   ⚫ 生成AIを使いこなすための
   質問力や批判的思考能力の育成
   ⚫ システムの支援による
   実習を念頭に置いた対応力の向上
   ⚫ Phase 2までに蓄積されたデータの
   活用による指導の促進
   ⚫ ビッグデータの解析支援による
   新たな視点とパターンの抽出
   目的
   ⚫ 次ページに記載する3つのステップで
   構成される
   ⚫ まずは、PubMedを中心とした情報
   の提供によるスモールスタートを行
   い、生成AIによる情報収集・抽出・
   検索といった機能について学生に理
   解してもらう
   ⚫ その後、大学独自のデータ取込や
   外部サービスとの新たな連携を行い、
   教育の効率化を更に高めて、学習
   効果を加速させる
   ⚫ プラットフォームにより、疾患、症
   状、患者の背景など、特定の医療状
   況をカスタマイズし、学生が特定の
   状況での対応力を鍛えられるように
   する
   ⚫ 個々の学生の進捗に合わせたカスタ
   ム学習パスを示す。AIは学生の理解
   度や弱点を追跡し、個別のニーズに
   対応した教材を提供する
   ⚫ Phase 1とPhase 2で蓄積されたデー
   タを活用し、教育目標に合わせた教
   材やコンテンツを作成する。これに
   より、教員は教える内容をより効率
   的にカスタマイズし、学生の学習体
   験を最適化する
   ⚫ 生成AIを使用して、教員の研究活動
   を支援する。AIはデータの解析、仮
   説の生成、結果の解釈などを行い、
   研究者が新たな洞察を得られるよう
   にする
   詳細
   ※次ページ以降でPhase 1の詳細を説明
   

   View Slide

6. Phase 1におけるプラットフォームの拡大ステップ
   Oita University All Rights Reserved. 5
   ①
   PubMedを中心とした情報の
   提供によるスモールスタート
   ②
   大学独自のデータ取込
   や外部サービスとの新たな
   連携を実現
   ③
   オープンソースのLLMを
   活用した大学独自の
   モデルやサービスを構築
   生成AIを中心としたテクノロジーの活用による
   学生に寄り添った新たな学習支援の実現
   

   View Slide

7. Phase 1におけるプラットフォーム概要①
   Oita University All Rights Reserved. 6
   AWS（クラウドインフラ）
   医療教育支援
   プラットフォーム
   ChatGPT
   （生成AI）
   DeepL
   （翻訳ツール）
   キーポイントの抽出や
   学習支援情報の提示を実施
   翻訳の実施 ベクトル検索
   の実施
   Pinecone
   （ベクトルDB）
   学生
   PubMedに掲載されている
   論文データのやり取り
   

   View Slide

8. Phase 1におけるプラットフォーム概要②
   Oita University All Rights Reserved. 7
   AWS（クラウドインフラ）
   医療教育支援
   プラットフォーム
   ChatGPT
   （生成AI）
   DeepL
   （翻訳ツール）
   キーポイントの抽出や
   学習支援情報の提示を実施
   翻訳の実施 ベクトル検索
   の実施
   Pinecone
   （ベクトルDB）
   学生
   大学
   独自データ
   PubMedに掲載されている
   論文データのやり取り
   

   View Slide

9. Phase 1におけるプラットフォーム概要③
   Oita University All Rights Reserved. 8
   AWS（クラウドインフラ）
   医療教育支援
   プラットフォーム
   DeepL
   （翻訳ツール）
   PubMedに掲載されている
   論文データのやり取り
   翻訳の実施 ベクトル検索
   の実施
   Pinecone
   （ベクトルDB）
   学生
   大学
   独自データ
   オープンソースの
   LLM*1による
   大学独自の
   モデルやサービス
   を実現
   *1
   LLMはLarge Language Modelsの略であり、
   膨大なデータ用いてトレーニングされた
   言語モデルを表す。自動車のエンジンのように
   独自のものを組み入れることが可能である。
   

   View Slide

10. 先進医療科学科は「医療×デジタル×教育」により
    医学・医療の領域でイノベーションを創出し
    グローバルに活躍できる高度医療人材の育成を目指していきます
    

    View Slide

11. Thank You
    Oita University All Rights Reserved.
    

    View Slide