お知らせ

〇歯学部 生体機能学講座 歯科薬理学分野 准教授 吉野 文彦

本研究は、歯科薬理学教育向けのAI自動作問システムを対象に、従来型の単一Markdownファイルによる一元管理構成と、情報を役割別に分割したマルチファイルJSON構成を同一モデル上で比較し、処理性能への影響を定量的に評価したものです。
その結果、マルチファイルJSON構成では入力トークン数が大幅に削減されるとともに、API処理時間の短縮も確認されました。
　加えて、生成された問題が構造・書式面の要件をすべて満たしていることも自動検証により確認しています。
　本成果は、LLMを基盤とする教育支援システムにおいて、モデルへの情報の渡し方（情報管理設計）が性能と運用性を決定づけることを定量的に示すものであり、歯学・薬学教育をはじめとする教材作成の効率化や、実用的なシステム構築への貢献が期待されます。

　歯科薬理学の教育現場では、新薬の承認や添付文書の改訂、国家試験出題基準の更新に応じて、正確かつ臨床的に妥当な設問を継続的に補充する必要があります。教員の執筆負担軽減と問題の均質化を目指し、大規模言語モデル（LLM）を用いた自動作問が検討されています。
　しかし、実運用における入力データの保持構造やタスク設計が処理効率に与える影響については、これまで十分に体系立てて検証されていませんでした。本研究は、歯科薬理学の教材を題材に、この設計上の課題に初めて定量的な答えを示すものです。

従来は薬物データ・カリキュラム基準・出題ルールなどを一つのMarkdownファイルに集約してLLMに渡していましたが、提案手法ではこれらを目的別のJSONファイル（database.json、syllabus.json、rules.json）に分割し、必要な部分のみを連結してLLMへ渡す構成としました。Gemini 2.5 Pro上でこれら両手法を実装し、同一条件下（生成問題数1問・5問・10問、各5試行）で性能差を計測しました。 

マルチファイルJSON構成は、生成問題数が増えるほど入力トークン数とAPI処理時間の削減効果が高まり、大規模運用への高い拡張性が示唆されました。一方、同条件下で出力トークン数はやや増加しましたが、これは明示化された要件に沿って誤肢の吟味や解説がより詳細に生成された結果と考えられ、教育目的としてはむしろ利点になり得るものです。

本研究の定量評価は非ステロイド性抗炎症薬（NSAIDs）を中心とする単一領域に基づくものですが、抗菌薬や抗悪性腫瘍薬など知識構造の異なる他領域への応用も可能な構成となっています。今後は、運用規模拡大時の安定性や教育効果との関連を検証するとともに、薬学・歯学教育におけるLLM活用の実装設計に関する研究を継続していく予定です。

タイトル：Optimising Large Language Models-Based Automated Question Generation for Dental Pharmacology: A Quantitative Evaluation of a Multi-File JavaScript Object Notation Architecture
著者：Fumihiko Yoshino*, Ayaka Yoshida, Shun-suke Takahashi, Tomoki Itamiya, Satoko Wada-Takahashi, and Akito Nakano
*責任著者：神奈川歯科大学 歯学部 生体機能学講座 歯科薬理学分野 准教授 吉野 文彦
掲載誌： European Journal of Dental Education
掲載状況： オンライン公開済み（Published Online）
URL： https://onlinelibrary.wiley.com/doi/10.1111/eje.70289
DOI： 10.1111/eje.70289

神奈川歯科大学 歯学部 生体機能学講座 歯科薬理学分野 准教授 吉野 文彦（よしの ふみひこ）
E-mail：yoshino*kdu.ac.jp （*を@に置き換えてください）