祝！JJCLIP 11周年！！「生成AI時代のEBM」をテーマとしたトーク配信！！！

令和6年度第6回目の薬剤師のジャーナルクラブです（JJCLIP）．

JJCLIPはおかげさまで11周年を迎えました．

今回のテーマは「生成AI時代のEBM」です．

参考までに，日本プライマリ・ケア連合学会 / 関東地方会の生成AI時代のEBMのセッション抄録を紹介いたします．

『よく知られているように、Evidence-Based Medicine（EBM）とは、①疑問（問題）の定式化、②疑問を解消するために必要な情報収集、③情報に対する批判的吟味、④情報の患者への適用、⑤一連の作業（⓵～④）フィードバック、という5つのステップで構成される医療者の行動スタイルである。

　より具体的には、目の前の患者から生じる疑問や問題をPatient、Intervention、Comparison、Outcomeという4つの要素で構造化し、疑問や問題の解消に参考となる学術情報（いわゆるエビデンス）を検索する。得られた情報は、その内容を鵜呑みにせず、批判的に吟味をしたうえで、臨床上の意思決定に活用する。また、情報の患者への適用においては、情報に記された事実のみならず、患者の病状や周囲を取り巻く環境、患者の想いや価値観、医療者の臨床経験の4つを考慮すべきである。

　近年、生成AI（生成的人工知能; Generative AI）技術の急速な進歩と普及により、情報検索の方法論や、情報内容の要約および批判的吟味の手法に大きな変化が生じている。これまで、Googleのような検索エンジンを用いて行われていた情報検索は、生成AIに対してプロンプトと呼ばれる指示文を送信し、AIに回答させるという方法に変化しつつある。

　EBMの実践においても、医学論文の検索や、検索された医学論文の要約、論文で報告されている研究結果の批判的吟味などのプロセスにおいて、生成AIの活用が十分に検討できる。むろん、生成AIを効果的かつ効率的に活用するためには、AIに指示すべきプロンプトの内容に一定の工夫が必要である。また、生成AIが生み出したテキストが常に正しいわけではなく、時に不適切なテキストを生成することも多く、その活用には細心の注意を要する。

　本セッションでは、「生成AIがサポートする批判的吟味の技」をテーマに、医学論文の検索や医学論文の批判的吟味に関する生成AIの活用をデモンストレーションで示し、EBM実践における生成AIの活用ノウハウ、およびピットフォールを解説する。さらに、生成AIによる仮想症例シナリオの創作、症例シナリオにおける臨床疑問の構造化など、継続的な自己学習を支援するツールとしての可能性も紹介したい』

配信中のコメントも随時台募集中でございます．

皆さま奮って，けれどもどうぞお気軽にご参加ください．