More Related Content
More from QlikPresalesJapan
More from QlikPresalesJapan (20)
2024/05/21_生成AI どう使う？ChatGPT の機能と限界と活用事例
- 1. Qlik Tech オンラインセミナー 2024.5.21 九州歯科大学 口腔機能学講座 クリニカルクラークシップ開発学分野 准教授 情報処理室長、教育IRセンター次長 九州歯科大学附属病院 病院長補佐・診療情報管理室長 守下 昌輝 生成AI どう使う？ ChatGPTの機能と限界と活用事例 〜ChatGPTは歯科医師国家試験に合格するのか？〜
- 2. 自己紹介 守下 昌輝（もりした まさき） 九州歯科大学歯学部歯学科 卒業 九州歯科大学大学院 修了 博士（歯学） (現職) 九州歯科大学 口腔機能学講座 クリニカルクラークシップ開発学分野 准教授 (兼任) 情報処理室 室長 (兼任) 教育IRセンター 次長 (兼任) 附属病院 病院長補佐 (兼任) 附属病院 診療情報管理室 室長 (病院教授）
- 3. 公立大学法人 九州歯科大学 福岡県北九州市小倉北区真鶴2-6-1 大学沿革・概要 • 1914年 私立九州歯科医学校として創立 • 1921年 九州歯科医学専門学校に昇格 • 1949年 福岡県立九州歯科大学へ移行 • 2006年 公立大学法人 九州歯科大学 • 日本で唯一の公立歯科大学 • 歯学部-歯学科(6年制)・口腔保健学科(4年制) 基本理念 高度な専門性を持った歯科医療人の育成 地域医療の中核的役割を果たす 歯科医学を支える研究の推進
- 4. 引用: AI Smilely, BrainPad https://aismiley.co.jp/ai_news/what-is-generative-ai/ https://www.brainpad.co.jp/doors/knowledge/01_about_llm/ 生成AI: テキスト・画像・音声などを自律的に生成できるAI技術の総称 大規模言語モデル (Large Language Model; LLM): 膨大なテキストデータから言語のパターンを学習し、テキスト生成や要約などのテキストに関わるタスクを 高い精度で行うことができる、自然言語で使用される深層学習モデル 生成AIとLLMの関係性
- 5. 引用: 野村総合研究所 大規模言語モデル https://www.nri.com/jp/knowledge/glossary/lst/ta/llm
- 6. OpenAI ChatGPT GPT-3.5 → GPT-4 → GPT-4V(ision) → GPT-4o(mni) Google → Microsoft Copilot with Bing Chat → 大規模言語モデルの例と変遷 Microsoftは、OpenAIに多額の資金を投入して いるため、技術許与により、Copilotの中身は GPT-4です。
- 7. 引用: 明治大学理工学部 特別講義 2023年のAIの大事な話 –ChatGPTを普通に使えるように- 畠山 大有氏 https://speakerdeck.com/dahatake/ming-zhi-da-xue-li-gong-xue-bu-te-bie-jiang-yi-2023nian-noainoda-shi-nahua-chatgpt-wozhi-rou?slide=9
- 8. プロンプトエンジニアリング プロンプト: 大規模言語モデルに入力される、指示・背景・入力データ・出力指示子を含むテキストを指す。 プロンプトエンジニアリング: 大規模言語モデルに対して適切な質問や指示（プロンプト）を与えるための技術 プロンプトエンジニアリングの重要性 単純な受け答えには特に意識して質問や指示を作成する必要はない。 しかし、意図を正しく大規模言語モデルに伝え、適切なアウトプットを得るためには必要である。 引用: AI Smiley https://aismiley.co.jp/ai_news/what-is-prompt-engineering/
- 9. プロンプトエンジニアリングの参考リンク OpenAI (ChatGPT) Prompt engineering （英語） https://platform.openai.com/docs/guides/prompt-engineering Google (Gemini) Gemini for Google Workspace Prompt Guide （英語） https://inthecloud.withgoogle.com/gemini-for-google-workspace-prompt-guide/dl-cd.html Anthropic (Claude) Prompt engineering (英語) https://docs.anthropic.com/en/docs/prompt-engineering AI Smiley プロンプトエンジニアリングとは？ChatGPTで代表的な12個のプロンプトを実演！（日本語） https://aismiley.co.jp/ai_news/what-is-prompt-engineering/ ChatGPTを活用するためのプロンプトとは？例文を交えて精度が上がる命令方法を紹介（日本語） https://aismiley.co.jp/ai_news/chatgpt-recommended-prompts/
- 10. 41,714 42,629 43,372 44,397 46,905 49,335 52,034 53,004 53,628 55,322 55,743 55,620 67,779 68,097 68,384 68,156 68,474 68,701 68,592 68,737 68,940 68,609 68,613 40,000 45,000 50,000 55,000 60,000 65,000 70,000 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 軒 歯科医院数及びコンビニ店舗数 コンビニ店舗数 歯科医院数 今やコンビニ店舗数よりも多い歯科医院数 → コンビニ店舗数が歯科医院数に近づいただけ 美容室 251,140 (2018年度) 不動産屋 （宅地建物取引業者） 124,451 (2019年度) 一般診療所 102,105 (2018年) 医療施設調査 (厚生労働省) 衛生行政報告（厚生労働省) 一般財団法人不動産適正取引推進機構 一般財団法人日本フランチャイズチェーン協会
- 12. 歯科医師臨床研修 歯科医師国家試験 ６年次 卒業試験 診療参加型臨床実習後客観的臨床能力試験（Post-CC-PX） ５年次 ４年次 臨床実習前共用試験：CBT および Pre-CC OSCE ３年次 ２年次 １年次 教養系科目 人文科学Ⅰ 〜 Ⅲ 社会科学Ⅰ 〜 Ⅲ 情報リテラシーⅠ・Ⅱ 基礎教育セミナー 行動科学 歯学概論Ⅰ・Ⅱ 臨床系基礎科目 歯の治療学Ⅰ・Ⅱ・実習 歯周病学・実習 全部欠損補綴治療学・実習 部分欠損補綴治療学・実習 口腔機能再建治療学・実習 口腔インプラント学・実習 歯科放射線学Ⅰ〜Ⅲ 小児歯科学Ⅰ・Ⅱ 歯科矯正学Ⅰ・Ⅱ 口腔外科学Ⅰ・Ⅱ 口腔内科学Ⅰ・Ⅱ 歯科麻酔学Ⅰ・Ⅱ 高齢・障害者歯科学Ⅰ・Ⅱ 地域口腔保健学Ⅰ・Ⅱ 内科学Ⅰ〜Ⅳ、 外科学Ⅰ 成長発育総論、栄養と食生活 口腔顎顔面画像解剖学概論 Evidence-Based Dentistry 臨床実習準備科目 臨床体験実習Ⅰ〜Ⅲ スキルアップ実習Ⅰ 社会歯科 社会歯科学Ⅰ 〜 Ⅲ 基礎科目 基礎数学、数理科学Ⅰ・Ⅱ 物理学特論、化学特論 生物学特論 基礎生命科学実習Ⅰ・Ⅱ 臨床系応用科目 クリニカルクラークシップⅠ〜Ⅲ スキルアップ実習Ⅱ・Ⅲ 臨床推論学Ⅰ・Ⅱ 歯科診療システム管理学 医療安全管理学Ⅰ・Ⅱ 内科学Ⅴ、外科学Ⅱ 地域包括医療学、連携医学Ⅰ・Ⅱ 特殊補綴治療学 摂食機能療法学Ⅰ・Ⅱ 歯科法医学・災害歯科学 総合講義Ⅰ・Ⅱ 国際 国際歯科医学概論 国際歯科医学実習（選択） 英語Ⅰ・Ⅱ 英語論文講読入門 医学英語Ⅰ・Ⅱ 第２外国語Ⅰ・Ⅱ プロフェッショナリ ズム 全人的歯科医療人と しての素養 歯科医学の専門的知識 科学的根拠に基づく歯科医療 全ての世代に対する 幅広い歯科医療の実践 多職種連携 の実践 グローバルマインド 共通試験 専門基礎系科目 臨床基礎応用学 薬理学・歯科薬理学Ⅰ〜Ⅳ 口腔病理学Ⅰ 〜 Ⅳ 感染と免役Ⅰ 〜 Ⅲ 保健医療統計学 人体の構造Ⅰ・Ⅱ、口腔の構造Ⅰ・Ⅱ 解剖学実習、口腔解剖学実習 組織学実習、発生・再生 細胞生物学Ⅰ・Ⅱ、分子生物学実習 生理機能Ⅰ・Ⅱ、生理学実習 生体材料学入門・総論・各論 医療コミュニ ケーション 医療コミュニケーション Ⅰ・Ⅱ 研究 最新応用生命科学 Student Research Project 研究室配属 歯学科 主要科目 赤枠内および赤字表記 プロフェッショナ リズム プロフェッショナリズム Ⅰ 〜 Ⅳ
- 13. 問題種別 評価 必修 絶対基準で得点率80%以上が必要 一般 相対基準で、平均点・標準偏差によって設定された 基準点以上の得点が必要 臨床実地 相対基準で、平均点・標準偏差によって設定された 基準点以上の得点が必要 引用: dental orange. 115回で出題基準の変更はナシ？ https://dentalorange.jp/2021/03/17/115criteria-change/
- 15. Fisher’s exact test 必修・一般・領域A・B・CでのGPT別 正答率等 領域 内容 領域 A 衛生、基礎系科目・臨床系科目の総論分野 領域 B 歯周病学、小児歯科学、 保存修復学、歯内療法学、歯科矯正学 領域 C 口腔外科学、歯科麻酔学、 歯科放射線学、高齢者歯科学、 全部床義歯学、部分床義歯学、冠橋義歯学、 口腔インプラント学 ChatGPT3.5および4を用いた歯科医師国家試験の正答率の比較 守下ら、日本歯科医学教育学会雑誌 40(1):3-10, 2024
- 20. 画像認識機能を有するGPT-4Vは 116回 歯科医師国家試験を突破できるか？ (画像・図表を含む問題のみ) Evaluating GPT-4V’s performance in the Japanese national dental examination: A challenge explored. Morishita et al., Journal of Dental Sciences, 2024, in press
- 22. 科目 問題数 正答率 歯科麻酔学 4 75.0 歯内療法学 7 71.4 口腔衛生学 8 50.0 歯科放射線学 6 50.0 歯科理工学 2 50.0 小児歯科学 16 43.8 口腔外科学 34 38.2 全部床義歯学 12 33.3 保存修復学 13 30.8 部分床義歯学 11 27.3 矯正歯科学 20 25.0 歯周病学 13 23.1 冠橋義歯学 11 9.1 口腔解剖学 1 0.0 口腔生理学 1 0.0 口腔病理学 1 0.0 問題種別 問題数 正答率(%) 必修 7 57.1 一般 55 43.6 臨床実地 65 28.6 合計 160 35.0 問題文の 指示する正答数 問題数 正答率(%) 1 101 38.6 2 35 31.4 3 19 26.3 4 4 25.0 すべて 1 0.0
- 23. 科目 割合(%) 矯正歯科学 36.4 口腔外科学 27.3 冠橋義歯学 13.6 小児歯科学 9.1 歯周病学 4.5 全部床義歯学 4.5 部分床義歯学 4.5 合計 100.0 回答不能であった22問について 問題種別 割合(%) 一般 4.5 臨床実地 95.5 合計 100.0
- 24. Mann-Whitney test Mann-Whitney test データセットで使用した全160問について 入力画像枚数 正常回答 回答不能 入力画像枚数 正解 不正解
- 25. 2023年12月時点では、 ChatGPTの教育利用には可能性がある。 → GPT-4を用いた、図表・写真を除く問題のみが対象になる。 → GPT-4でも補綴分野は苦手です。 → GPT-3.5は、教育利用には向かない。 GPT-4Vの画像認識機能は、教育利用に現時点では向かない。 (GPT-4Vの画像認識機能は医療向けではないことを、開発元が公式に発表している) GPT-4以外の大規模言語モデルの教育利用の可能性は、今後の展開次第である。 日進月歩で、大規模言語モデルの学習内容がアップデートされ続けており、 引き続きその動向を注視し、学生の教育利用の可能性を継続的に探る必要がある。 今回お示しした結果は、学習モデルのアップデートによって大幅に結果が変わることが 強く予期されますので、参考までに留めていただきたく存じます。
- 26. 生成AIの教育利用の展望（学生向け） 使用例: 学習内容の理解： 生成AIに質問することで、授業で理解できなかった内容を明確にする。 レポート作成支援： レポートの構成や内容について、生成AIにアドバイスを求める。 語学学習： 生成AIと対話することで、外国語の会話練習を行う。 問題解決： 課題や問題について、生成AIと一緒に解決策を探る。 知識の拡張： 興味のある分野について、生成AIに質問し、新しい知識を得る。 メリット: 24時間利用可能： いつでも生成AIにアクセスでき、学習支援を受けられる。 個別学習の強化： 自分のペースで、理解が不十分な部分を重点的に学習できる。 即時のフィードバック： 質問に対して即座に回答が得られ、学習効率が上がる。 多様な知識の獲得： 生成AIの幅広い知識を活用し、様々な分野の学習が可能となる。 学習意欲の向上： 生成AIとのインタラクションにより、学習へのモチベーションが高まる。 デメリット: 過度な依存： 生成AIに頼りすぎることで、自分で考える力が低下する恐れがある。 正確性の問題： 生成AIが提供する情報が常に正確とは限らず、誤った知識を身につける可能性がある。 創造性の低下： 生成AIが提示する解決策をそのまま受け入れることで、学生自身の創造性が損なわれる恐れがある。 人間関係の希薄化： 生成AIとの対話に偏ることで、教員や他の学生とのコミュニケーションが減少する可能性がある。 プライバシーの懸念： 個人情報を生成AIに入力することで、データの流出や悪用のリスクが生じる。 学生が生成AIを教育支援ツールとして活用する際は、その利点を生かしつつ、デメリットを理解し、適切に対処することが重要です。 生成AIは学習を補助するツールであり、自分自身で考え、人間関係を大切にしながら、バランスの取れた学習を心がける必要があります。 また、生成AIから得た情報は、必要に応じて教員や信頼できる情報源で確認することが賢明です。 教育利用するにあたり 生成AI使用にかかる 学生への倫理教育が 今後、必須です。
- 27. 使用例: 教材の作成: 生成AIを用いて、授業の説明資料やワークシートを作成する。 個別学習支援: 生徒の理解度に応じた課題や問題を生成し、個別学習を支援する。 質問応答: 生徒からの質問に対し、生成AIが適切な回答を提供する。 フィードバック: 生徒の提出物に対して、生成AIが自動的にフィードバックを生成する。 アイデア生成: 授業やプロジェクトのアイデアを生成AIが提案し、教員の創造性を刺激する。 メリット: 時間の節約: 教材作成や課題の準備に要する時間を大幅に削減できる。 個別学習の促進: 生徒一人一人のニーズに合わせた学習支援が可能になる。 即時のフィードバック: 生徒の提出物に対して迅速なフィードバックを提供できる。 創造性の向上: 生成AIが新しいアイデアを提案することで、教員の創造性が刺激される。 教員の負担軽減: ルーティンワークを生成AIに任せることで、教員は生徒との対話などに集中できる。 デメリット: 倫理的な懸念: 生成AIによる生徒の個人情報の取り扱いや、公平性の確保など、倫理的な問題が生じる可能性がある。 過度な依存: 教員が生成AIに過度に依存し、自身の教育スキルの向上が疎かになるリスクがある。 生徒との関係性: 生成AIに頼りすぎることで、教員と生徒との直接的なコミュニケーションが減少する恐れがある。 正確性の問題: 生成AIが提供する情報や回答が常に正確とは限らず、教員による確認が必要である。 コストと技術的な障壁: 生成AIの導入にはコストがかかり、技術的な知識も必要となるため、すべての教員が容易に利用でき るとは限らない。 生成AIを教育支援ツールとして活用する際は、メリットを最大限に生かしつつ、デメリットを認識し、適切に対処すること が重要です。 教員自身の専門性や生徒とのコミュニケーションを大切にしながら、生成AIをうまく活用していくことが求められます。 生成AIの教育利用の展望（教員向け）
- 28. 本学事務でのDX - 生成AIの活用事例 - 引用: https://aismiley.co.jp/ai_news/what-is-whisper/ https://github.com/openai/whisper 音声・動画 ファイル mp3, mp4, mpeg, m4a, wav Whisper: OpenAIが文字起こしサービスとして 公開した無料の音声認識モデル Webから収集した68万時間分の多言語音声データを 教師付きデータで学習させており、高い精度で入力した 音声を文字起こしすることが可能。 文字起こしに用いる下記モデルサイズが5つ存在し、 largeサイズに移行するにつれて、文字起こしの精度が上がる。 日本語の文字起こしの精度: 単語誤り率の順位で8位の 「4.9％」（Fleursデータセットの言語別WERを、large-v2モデル、 v3モデルを用いて示した結果）で、日本語は他の言語に比べ て高い精度で文字起こし可能と報告されている。 テキストファイル Whisperによる 文字起こし ローカルPC = 自分のPC上で実施可能 ただしWhisper動作中は、CPUを100%稼働させるため、 他の作業には使えなくなる 議事録作成 ボイスレコーダーの音声を 繰り返し聞いて文字起こし 議事録作成の時間短縮 = 働き方改革にコミット！ 午前中の会議の議事録を、最短で 当日夕方に稟議に回せる程度まで短縮
- 29. 使用例: 顧客対応: チャットボットやカスタマーサポートツールとしてLLMを活用し、顧客からの問い合わせに自動で対応。 文書生成: 報告書、提案書、メールなどの文書作成をLLMが支援。 データ分析: 大量のテキストデータからインサイトを抽出し、ビジネス上の意思決定に活用。 翻訳: 多言語対応が必要な場面で、LLMによる自動翻訳を利用。 知識管理: 企業内の情報をLLMに学習させ、社員の問い合わせに対して適切な情報を提供。 メリット: 業務効率化: 繰り返しが必要な作業をLLMが自動化することで、社員の工数を削減。 コスト削減: 人件費の抑制、24時間365日の対応が可能。 顧客満足度向上: 迅速かつ一貫した顧客対応が実現。 データ活用: 大量の非構造化データからの知見獲得が容易に。 品質向上: 人的エラーの減少、文書の品質向上。 デメリット: 初期コスト: LLMの導入、開発にはある程度の投資が必要。 データ量・質: 大量の高品質なデータが必要。社内データの整備が課題。 プライバシー・セキュリティ: 機密情報の扱いに注意が必要。 モデルの限界: 専門的な判断が必要な場合や、常識的な理解が求められる場合の対応が困難。 倫理的課題: 公平性、説明責任の確保など、AIの利用における倫理的な配慮が求められる。 LLMは企業の業務効率化やデータ活用に大きく貢献する一方、導入コストや運用面での課題があります。 LLMの特性をよく理解した上で、自社のビジネスにどう活かせるかを検討することが肝要です。 生成AI利用の展望（一般企業向け）
- 30. 歯科医師臨床研修 歯科医師国家試験 ６年次 卒業試験 診療参加型臨床実習後客観的臨床能力試験（Post-CC-PX） ５年次 ４年次 臨床実習前共用試験：CBT および Pre-CC OSCE ３年次 ２年次 １年次 教養系科目 人文科学Ⅰ 〜 Ⅲ 社会科学Ⅰ 〜 Ⅲ 情報リテラシーⅠ・Ⅱ 基礎教育セミナー 行動科学 歯学概論Ⅰ・Ⅱ 臨床系基礎科目 歯の治療学Ⅰ・Ⅱ・実習 歯周病学・実習 全部欠損補綴治療学・実習 部分欠損補綴治療学・実習 口腔機能再建治療学・実習 口腔インプラント学・実習 歯科放射線学Ⅰ〜Ⅲ 小児歯科学Ⅰ・Ⅱ 歯科矯正学Ⅰ・Ⅱ 口腔外科学Ⅰ・Ⅱ 口腔内科学Ⅰ・Ⅱ 歯科麻酔学Ⅰ・Ⅱ 高齢・障害者歯科学Ⅰ・Ⅱ 地域口腔保健学Ⅰ・Ⅱ 内科学Ⅰ〜Ⅳ、 外科学Ⅰ 成長発育総論、栄養と食生活 口腔顎顔面画像解剖学概論 Evidence-Based Dentistry 臨床実習準備科目 臨床体験実習Ⅰ〜Ⅲ スキルアップ実習Ⅰ 社会歯科 社会歯科学Ⅰ 〜 Ⅲ 基礎科目 基礎数学、数理科学Ⅰ・Ⅱ 物理学特論、化学特論 生物学特論 基礎生命科学実習Ⅰ・Ⅱ 臨床系応用科目 クリニカルクラークシップⅠ〜Ⅲ スキルアップ実習Ⅱ・Ⅲ 臨床推論学Ⅰ・Ⅱ 歯科診療システム管理学 医療安全管理学Ⅰ・Ⅱ 内科学Ⅴ、外科学Ⅱ 地域包括医療学、連携医学Ⅰ・Ⅱ 特殊補綴治療学 摂食機能療法学Ⅰ・Ⅱ 歯科法医学・災害歯科学 総合講義Ⅰ・Ⅱ 国際 国際歯科医学概論 国際歯科医学実習（選択） 英語Ⅰ・Ⅱ 英語論文講読入門 医学英語Ⅰ・Ⅱ 第２外国語Ⅰ・Ⅱ プロフェッショナリ ズム 全人的歯科医療人と しての素養 歯科医学の専門的知識 科学的根拠に基づく歯科医療 全ての世代に対する 幅広い歯科医療の実践 多職種連携 の実践 グローバルマインド 共通試験 専門基礎系科目 臨床基礎応用学 薬理学・歯科薬理学Ⅰ〜Ⅳ 口腔病理学Ⅰ 〜 Ⅳ 感染と免役Ⅰ 〜 Ⅲ 保健医療統計学 人体の構造Ⅰ・Ⅱ、口腔の構造Ⅰ・Ⅱ 解剖学実習、口腔解剖学実習 組織学実習、発生・再生 細胞生物学Ⅰ・Ⅱ、分子生物学実習 生理機能Ⅰ・Ⅱ、生理学実習 生体材料学入門・総論・各論 医療コミュニ ケーション 医療コミュニケーション Ⅰ・Ⅱ 研究 最新応用生命科学 Student Research Project 研究室配属 歯学科 主要科目 赤枠内および赤字表記 プロフェッショナ リズム プロフェッショナリズム Ⅰ 〜 Ⅳ 歯学教育 技能 態度 知識
- 32. 臨床実習開始前に修得すべき MCQ問題（320設問、6時間） 共用試験の両輪 知識・（技能） 多肢選択筆記試験→CBT： Computer Based Testing 技能・態度 評価方法や評価基準を統一化 し、必要に応じて外部試験委 員を加える→OSCE： Objective Structured Clinical Examination （客観的臨床能力試験) 医学･歯学教育のあり方に関する調査研究協力者会議最終報告（平成13年（2001年）3月27日） 厚生労働省医道審議会歯科医師分科会歯学生共用試験部会 –CATO– 10
- 33. 引用 共用試験ガイドブック 第21版https://www.cato.or.jp/e-book/21/html5m.html#page=71 （Item Response Theory; IRT）
- 34. 国家試験合格率は、入学志願者者数に影響する重要な指標である。 (渋井ら, 大学評価・学位研究, 2022) 臨床実習前共用試験 CBT 4年次に受験 歯科医師国家試験 6年次に受験 CBTのIRT標準スコアと 歯科医師国家試験の合否は関係する？
- 35. 第111回〜115回歯科医師国家試験を受験した 九州歯科大学 歯学部歯学科 学生 459名 留年経験歴 CBT本試験のIRT標準スコア CBT受験回数 歯科医師国家試験の合否 Mann Whitney検定 Welchのt検定 ROC分析, Youden Index 対応のないt検定 データ解析 統計解析 データセット Enterprise, August 2021 歯科医師国家試験の合否と4年次CBTとの関係 -IRT標準スコアについて- 守下ら, 日本歯科医学教育学会雑誌, 39(1):3-9, 2023. Qlik Sense
- 37. 合格率100%ゾーン