Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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

Slide 3

Slide 3 text

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)

Slide 4

Slide 4 text

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

Slide 5

Slide 5 text

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

Slide 6

Slide 6 text

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

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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。

Slide 10

Slide 10 text

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

Slide 11

Slide 11 text

Thank You Oita University All Rights Reserved.