知識強化型エージェントAIによるメンタルヘルス薬剤情報探索
本研究は、Redditの投稿、WebMDのレビュー、FDAの有害事象報告を統合するプロvenance対応の知識グラフベースマルチエージェントフレームワークを開発し、エンティティ認識の高精度を達成。患者生成データが規制報告とは一部独立した安全性シグナルを提供することを明らかにした。
メンタルヘルス領域では、患者がオンラインで薬剤情報を求めるケースが増加しているが、安全性に関する知識は、権威的だが抽象的な規制有害事象記録と、体験に近いが未検証の患者ナラティブに二分されている。これらを証拠と逸話を混同せずに統合することは、精神医学において特に重要である。なぜなら、文脈を欠いた情報は恐怖やノセボ反応、服薬不遵守を増幅させる可能性があるからだ。この課題に対処するため、arXivに投稿された論文では、知識グラフに基づくプロvenance対応のマルチエージェントフレームワークを提案している。
本フレームワークは、9種類の抗うつ薬（フルオキセチン、セルトラリンなど）を対象に、Redditの466,525件の投稿、WebMDの60,782件のレビュー、米国FDAの20年分の有害事象報告システムデータを統合する。研究チームは大規模言語モデル（LLM）を用いたエンティティ認識パイプラインを開発し、医師のアノテーションをベンチマークとして評価した結果、薬剤認識でF1値0.969、病態認識で0.973を達成した。2つのコミュニティプラットフォーム間の一致度は高かった（Jaccard類似度最大0.905）が、規制報告との一致度は低く、患者生成データが部分的に独立した安全性シグナルを形成していることが示された。例えば、セルトラリンでは、多くの有害事象がコミュニティソースにFDA記録より数百日早く出現しており、患者コミュニティがより早期に安全性問題を捕捉できる可能性を示唆している。
フレームワークはNeo4j知識グラフを採用し、ATC-N、ICD-10、MedDRA語彙に基づいて各主張の出所を保持。規制的事実と患者体験を明確に区別し、すべての主張を追跡可能にしている。研究者らは、このソース認識型統合アプローチが、より監査可能な精神科薬剤情報への道を開くと結論づけており、実用性と患者利益については前向きに検証される必要がある。本研究成果は、Huizi Yuら12名の著者によるarXivプレプリント（arXiv:2606.26205）として公開されており、AIを活用したメンタルヘルス薬剤情報の改善に重要な一歩を示している。