[4M3-OS-14c] 信頼と納得の人-AIインタラクション

[4M3-OS-14c-04] 放射線・解剖・病理画像で表された文脈を用いた大規模言語モデルによる教育資源生成

〇田中 雅人¹、原 武史²、松尾 つぐみ²、山田 誠二³ (1. 福井大学医学部附属教育支援センター、2. 岐阜大学工学部、3. 国立情報学研究所)

キーワード：大規模言語モデル、医学画像教育

【目的】2024年第38回人工知能学会で発表した「放射線・解剖・病理画像が表す文脈が記述する肺構造の学習と理解」をさらに進め，文脈を形作る個々の画像データとそれらを説明する言語情報をLLM（GPT-4o）に入力することで，実際の学生が利用できる精度を持った学習コンテンツの生成が可能かどうか試みた．
【方法】LLMの学習はPrompt学習とFine-Tuningを用いて行った．Prompt学習では，画像データと言語情報を学習データとして用いるMulti Modalデータを用いた．出力はQ＆A形式による教育コンテンツとした．
【結果】Promptを用いたOne-Shot学習による教育資源の生成では，得られたQ&Aは，入力した学習情報の理解を促す論理性の高い結果が得られた．一方，Fine-Tuningによる学習では，学習データから逸脱する間違った情報を含むQ&Aが散見された．この実験によりPrompt Engineeringを用いた学習資源生成は実用に耐えられると考える．