本研究は、ChatGPTが疾患中心の生物医学的関連性を生成する能力を評価するための包括的なプロトコルを提示しています。このプロトコルは、生成AIが医学分野でどの程度信頼性を持って機能するかを厳密に検証することを目的としています。 研究の手法は複数段階から構成されています。まず、ChatGPTを用いて生物医学的な関連性を生成し、その後、生物医学オントロジーを用いて抽出された生物学的エンティティの妥当性を検証します。さらに、文献レビューを通じて生成された関連性の正確性を確認する仕組みになっています。この過程では自己一貫性戦略を採用し、複数のChatGPTモデル間での生成信頼性を評価しています。 オントロジーによる完全一致の限界に対応するため、本研究では検索拡張生成（RAG）技術を活用した新たなアプローチを提案しています。オープンソースの大規模言語モデル（LLM）によって駆動されるRAGワークフローにより、LLMが他のLLMによって生成されたコンテンツの真実性を確立し、いわゆるハルシネーション（幻覚）を露呈させることが可能になります。この方法論は、生成AIの信頼性評価における重要な進展を示しており、医学・生物学分野におけるAIの実用化に向けた基礎を提供するものです。