AIと神経難病・神経免疫疾患 ── パーキンソン病 ── 2026-11-18

パーキンソン病・パーキンソン症候群の治療・治験とAI
- Evaluating large language models for public patient education on levodopa therapy in Parkinson’s disease: accuracy, empathy, reliability, and readability抄録(全訳)
大規模言語モデル(LLM)を使うチャットボットで健康情報を調べることが増えている。ただし、パーキンソン病(PD)の患者教育でどこまで役に立つかはまだ分かっていない。本研究では、広く使われている 5 種類の LLM チャットボットについて、レボドパ療法に関する一般の人の質問にどう答えるかを評価した。
研究デザインは横断的な比較研究である。ChatGPT、Gemini、Copilot、DeepSeek、Doubao の 5 つに、レボドパに関する患者教育用の質問に答えさせた。質問は体系的に組み立てたセットである。主解析では、265 件の回答を盲検化された 5 名の評価者が採点した。評価したのは安全性・正確性・共感性・情報の質の 4 点である。採点には、あらかじめ定めた基準を使った。この基準には DISCERN、EQIP、JAMA ベンチマーク基準、Global Quality Score が含まれる。読みやすさは、確立された 6 つの指標で評価した。回答の安定性をみるため、同じ質問セットで回答をもう一度生成させた。同じ質問セットを使い、独立した再生成解析でさらに 265 件の回答を作成し、回答の安定性を調べた。
評価者間の一致度は高かった。安全な回答の割合は 86.8%〜94.3% だった。正確性はモデル間で有意に異なり、中央値は Copilot と DeepSeek が最も高かった。一方、共感性の差は小さく、どのモデルも近い値に集まった。DISCERN と EQIP の点数は Doubao が最も高く、情報の質の点数は ChatGPT が最も低かった。読みやすさは Gemini が最もよく、Doubao が最も悪かった。再生成解析でも、安定性は全体に高かった。安全性の判定は 97.0% で完全に一致し、モデルの順位もおおむね変わらなかった。
現在の LLM チャットボットは、レボドパ療法について、おおむね有益な英語の回答を生成した。しかし、安全性の欠落、情報の質のばらつき、読みにくさという課題は残った。この結果は、専門家が評価した出力の質を表すものである。患者教育として効果があると実証したものではない。患者を中心にした検証が必要である。
掲載誌の IF 相当:6.3(OpenAlex の直近 2 年の平均被引用数・2026-11-09 時点の値、2026-11-10 に取得。正式な IF(Clarivate)ではない)書誌:Zuo H, Tang Q, Wang C, Zuo X, Cheng C, Wang L, et al. Evaluating large language models for public patient education on levodopa therapy in Parkinson’s disease: accuracy, empathy, reliability, and readability. Sci Rep. 2026 Nov 16;16(1):38113. doi:10.1038/s41598-026-74929-y.確認の範囲:抄録のみ確認 - Novel multimodal Parkinson’s disease diagnosis with BFO-JS enhanced random forest抄録(全訳)
初期のパーキンソン病(PD)は、不吉で気付かれにくい形で症状が始まるため、診断が難しい。このため、診断はまだ難しい。本論文では、音声と加速度計から得た複数の種類の特徴量を使い、PD を診断する新しい機械学習の手法を示す。分類器にはランダムフォレスト(RF)を使い、2 つの手法で最適化した。特徴量の選択には Bacterial Forging Optimization(BFO)を、ハイパーパラメータの最適化には Jellyfish Search(JS)を使う。さらに、新しいデータ拡張法として Dynamic Signal Perturbation(DSP)を提案する。DSP は実際に起こる信号のゆらぎを模擬し、モデルの頑健性を高める。
テストセットは 250 名(PD 125 名、対照 125 名)である。この手法の正確度は 94.7%、感度は 93.0%、特異度は 96.5%、曲線下面積(AUC)は 0.96 だった。この成績は、SVM と RFE の組み合わせ(正解率 85.6%)などのベースライン手法を大きく上回った。再帰的特徴量削減(RFE)を組み合わせたサポートベクターマシン(SVM)の正確度は 85.6% だった。粒子群最適化(PSO)を使った RF の正解率は 89.2% だった。BFO-JS-RF モデルは、より安定していて効率も高い。このため、臨床で拡張でき非侵襲的な PD 検出の候補として、最も適している。この手法は今後、実際のデータで検証する。
掲載誌の IF:不明(照合できず)書誌:Prameela Rani B, Gnana Priya B, Abinaya R. Novel multimodal Parkinson’s disease diagnosis with BFO-JS enhanced random forest. Drug Discovery, Development and Delivery (CTD4-2025). 2026 Nov 16 [Epub ahead of print]. doi:10.1039/9781837071555-00037.確認の範囲:抄録のみ確認