AIと神経難病・神経免疫疾患 ── パーキンソン病 ── 2026-11-01
パーキンソン病・パーキンソン症候群の治療・治験とAI
- Diagnostic Performance of Artificial Intelligence for Parkinson’s Disease Detection Using Handwriting and Drawing Tasks: A Systematic Review and Meta-Analysis抄録（全訳）掲載誌の IF 相当：6.0（OpenAlex の直近 2 年の平均被引用数・2026-10-31 時点の値、2026-11-01 に取得。正式な IF（Clarivate）ではない）書誌：Gorce P, Jacquier-Bret J. Diagnostic Performance of Artificial Intelligence for Parkinson’s Disease Detection Using Handwriting and Drawing Tasks: A Systematic Review and Meta-Analysis. Sensors. 2026 Oct 30;26(21):6893. doi:10.3390/s26216893.確認の範囲：抄録のみ確認
- Comparative performance of nine large language models on professional Parkinson’s disease tasks: a multidimensional benchmark study抄録（全訳）
背景：パーキンソン病（PD）の診療には、疾患に固有の知識と、状況に応じた臨床推論の両方が必要である。ところが、医療向け大規模言語モデル（LLM）の評価の多くは、閉鎖型質問と事実の正確さを重視している。そのため、PD の専門業務での性能を、より広い側面から捉えた知見は限られている。
方法：現行の LLM 9 種を評価した。評価には、英語で書かれた PD の専門ベンチマーク 200 問を用いた。この 200 問は 5 つの臨床領域と 4 段階の難易度を含み、質問形式も複数ある。回答の評価項目は、専門家が採点した事実の正確さ、臨床推論、全般的品質尺度（GQS）、フレッシュ・キンケイド学年レベル（FKGL）とした。
結果：9 モデルの回答は計 1,800 件だった。専門家が採点した事実の正確さでは、モデル間の差はごくわずかだった（Kendall の W = 0.031）。一方、FKGL（W = 0.235）、臨床推論（W = 0.256）、GQS（W = 0.301）では、モデル間の差がより大きかった。 専門家が評価した事実の正確さでは、閉鎖型質問のモデル間の差は小さかった（W = 0.020、p = 0.001）。開放型質問では、モデル間の差がより大きかった（W = 0.121、p < 0.001）。 事実の正確さは、PD のどの領域や難易度でも、モデルを見分ける力が弱いままだった。GQS では、領域別に見ると Safety & Ethics で最もモデル間の差が大きかった（W = 0.431）。 フラッグシップ版のモデルは、臨床推論と GQS が一貫して高かった。ただし、上位版のモデルでも、事実の正確さが一様に高いわけではなかった。
結論：このベンチマークと採点の枠組みでは、専門家が採点した事実の正確さについて、現行の LLM の間の差は限られていた。一方、開放型質問の課題、臨床推論、回答全体の品質、読みやすさでは、より大きな差が現れた。したがって、多面的に評価すれば、モデルの性能をより詳しく把握できる可能性がある。多面的に評価すれば、課題に応じたモデルの選択や、医療応用での監督を考える材料になりうる。
掲載誌の IF 相当：3.1（OpenAlex の直近 2 年の平均被引用数・2026-10-07 時点の値、2026-10-08 に取得。正式な IF（Clarivate）ではない）書誌：Xie L, Wei R, Xiong L, Lu R, Peng K, Ma W. Comparative performance of nine large language models on professional Parkinson’s disease tasks: a multidimensional benchmark study. Front Neurol. 2026 Oct 30;17:1970459. doi:10.3389/fneur.2026.1970459.確認の範囲：抄録のみ確認