RAGMed：医療提供の改善を目指したRAGベースの医療AIアシスタント

電子カルテ（EHR）は医療情報へのアクセスを向上させましたが、一方で医療従事者にとって記録負担の増加や患者との対面時間の減少などの課題も生じています。これらの問題を軽減するために、私たちはRAGMedを提案します。これは、よくある患者の質問に自動的かつ臨床的根拠に基づいた回答を提供することを目的としたRetrieval-Augmented Generation（RAG）ベースのAIアシスタントです。本システムは、意味検索のためのベクターデータベースと大規模言語モデルの生成能力を組み合わせ、医師の直接関与を必要とせずに正確で信頼性の高い回答を実現します。患者向け支援に加え、予約スケジューリングを促進し、臨床ノートの要約を通じて医療従事者の作業効率化も支援します。さらに検索品質がシステム全体の性能に及ぼす影響を評価するために、実際の医療クエリを用いてgte-largeとall-MiniLM-L6-v2という二つの埋め込みモデルを比較しました。これらのモデルは、RAG-Triad Framework内で文脈関連性、回答の関連性、事実に基づく正確性に焦点を当てて評価されました。結果は、高次元の埋め込みを持つgte-largeがより情報量豊富な文脈を検索し、より正確で信頼できる回答を導くことを示しています。これらの知見は、RAGベースのシステム導入による医師負担軽減や医療提供の効率・アクセス向上の可能性だけでなく、埋め込み生成に用いるモデルの次元数が検索情報の関連性、正確性、文脈理解に直接影響を与える重要性を強調します。本プロトタイプは医療FAQや一般的情報クエリに対する検索強化型回答を目的としており、専門的検証なしに診断や治療推奨に使用する設計ではありません。