臨床診断には、正確で検証可能、かつ公式ガイドラインに明確に基づいた回答が求められます。大規模言語モデル（LLM）は自然言語処理に優れていますが、幻覚（ハルシネーション）を起こす傾向があるため、精度が不可欠なハイリスクな医療現場での有用性が損なわれています。既存の検索拡張生成（RAG）システムはすべてのエビデンスを同等に扱い、ノイズの多いコンテキストと臨床実践に合わない一般的な回答を生成します。
この課題に対処するため、研究者らはClinicBotを開発しました。これは、ガイドラインの推奨事項を信頼できる臨床サポートに変換するAIシステムです。本システムの3つの主要な革新は以下の通りです。第一に、臨床ガイドラインを意味単位（推奨、表、定義、ナラティブ）に構造化し、明示的な出典を付与します。第二に、テキスト類似性ではなく、臨床的重要性とガイドライン構造に基づいてコンテンツをランク付けするエビデンスの優先順位付けです。第三に、簡潔で実用的な回答を検証可能なエビデンスとともに提示するWebベースのインターフェースです。
デモでは、実際の患者からの糖尿病質問と、米国糖尿病協会（ADA）の糖尿病ケア基準（2025）に準拠した追加の糖尿病リスク評価ツールを使用しました。デモの結果、セマンティック知識抽出と階層的エビデンスランキングがマルチエージェント設定で確実に動作し、複雑な臨床ガイドラインを大規模に処理できることが実証されました。この研究は、臨床意思決定支援システムの信頼性と透明性を向上させる重要な一歩であり、医療AIアプリケーションに新たな基準を設ける可能性があります。本システムは、arXivプレプリント（番号2605.00846）として公開されており、著者はNavapat NananukulとMayank Kejriwalです。