【背景】
システマティックレビューにおける論文の初期スクリーニングは、多くの時間と労力を要し、信頼性の高い情報へのアクセスを遅らせる要因となっている。この課題を解決するため、大規模言語モデル（LLM）を活用した効率的なスクリーニング手法が求められている。
【結果】
開発された最適化プロンプトを用いたGPT4-0125-previewは、抄録スクリーニングで感度97.7%（86.7-100%）、特異度85.2%（68.3-95.9%）を達成。全文スクリーニングでは感度96.5%（89.7-100%）、特異度91.2%（80.7-100%）を示した。10,000件の抄録スクリーニングにかかる費用は、人間が83時間以上と1666.67ドルを要するのに対し、LLMでは1日未満で157.02ドルだった。
【臨床へのインパクト】
本研究で開発されたLLM向けプロンプトは、システマティックレビューにおける論文選定プロセスを劇的に効率化し、研究者の時間とコストを大幅に削減する可能性がある。これにより、最新のエビデンスに基づく診療ガイドラインや臨床意思決定支援ツールがより迅速に提供され、日本の臨床医が信頼性の高い情報にアクセスしやすくなることが期待される。将来的には、診療ガイドライン作成や研究計画立案の初期段階での文献スクリーニングに応用され、臨床研究の推進にも寄与するだろう。
本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。