| 表紙に戻る |
| 池田医院 | ||||
| 整形外科 外科 リハビリテーション | ||||
| 2025年11月秋到来 | ||||
| 新患Web予約 |
||||
| 1日 10月の第5週に入ってようやく気温も下がってきました。長い長い夏もようやく終わりを告げました。6月初旬から数えると5ヶ月ほど夏だった感じです。 |
||||
| 2日 | ||||
| 3日 | ||||
| 4日 | ||||
| 5日 Googleでの評価 ブレンダさんはGoogleのローカルガイドとして沢山のレビューをされています。その中には当院のものもあります。読んで頂けると状況がおわかり頂けると思います。 Brenda Ariesty Kusumasari ローカルガイド 134 件のレビュー 87 枚の写真 （原文） As a foreigner living in Kyoto who speak limited Japanese, I'm so grateful to find Ikeda Clinic. I have knee injury since 2006 and because it gets worse, I decided to visit this clinic. Ikeda Sensei is a great person and his English is very good. He really took his time to examine my knee, never rush a thing. He did the x-ray and ultrasound by himself. He smiled and told me to relax when I was afraid of the pain. He explained everything with words that are easy to understand. My injury is pretty bad but he told me gently so that it didn't scare me. We discussed about the treatment in a way that he didn't force me to choose but yet suggest me to think wisely. I'm thankful for his professionalism and his kindness. I need to visit this clinic again for further discussion and I feel at ease since I know Ikeda Sensei will take a good care of my injury. Thank you |
||||
| 6日 | ||||
| 7日 | ||||
| 8日 |
||||
| 9日 | ||||
| 10日 | ||||
| 11日 | ||||
| 12日 Chat GPTなどのLLM（大規模言語モデル）をどのように医療面で使っていくか LLMの使う方法としてはクラウドとローカルがあります。 クラウドとはネット経由でLLMとやり取りすることであり、ローカルは自己所有のPC内で全て処理するものです。 クラウドの方が明らかに１００倍から１０００倍ぐらい賢いされ、ローカルは劣りますが情報の秘匿性は高いので個人情報を取り扱う場合はローカルで行う必要があります。 単純に病気について調べるのならクラウドが優れていますし、個人情報を守る必要性がある場合はローカルで処理します。 いずれにしてもLLMを使うと恐ろしいほど時間短縮が出来ます。人力なら数日かかるのものでも数分です。時間効率は極めて高いと言えます。 ただ、LLMの場合、まことしやかに間違ったことを言ってくることもよくあるので、現状では、最終的にはその分野に精通した人間が修正する必要があります。 すなわち、よく出来た助手ですが、ちょんぼも多いのです。 クリニックレベルでどのようなことに使えるかとLLMに尋ねたところ、以下の案が出てきました。 １．電子カルテ入力支援（SOAP自動生成） ２．疾患説明書・同意書のドラフト作成 ３．患者向け説明文の英語・中国語自動翻訳 ４．職員マニュアルや診療指針の整理 ５．「部位から分かる整形外科辞典」RAG検索 ６．レントゲン読影のサポートや教育用QA １－４までは当院でも実践しています。 ５はまだ構想段階。 ６の読影サポートはメーカーの導入待ちと思います。（内科では胸部レントゲンのAI処理があるようです） SOAP作成は、今のところ、あまり役に立たない感じです。結局、聞き取った範囲しかまとめられない。 将来的には、患者とのやり取りをリアルタイムに処理しながら、想定される疾患や鑑別診断、検査、治療などに対するアシストができると考えています。 疾患説明書は比較的簡単に作成できます。今目指しているのは、ひとりひとりの状況に対応する治療方針やリハビリのメニュー作成をLLMで作成していくことで、一部、スタートしています。 当院HPにある「部位から分かる整形外科辞典」の内容作成にも利用しています。内容の充実、作成する時間短縮などが見込まれます。 |
||||
| 13日 | ||||
| 14日 | ||||
| 15日 大規模言語モデル（LLM）を使った疾患情報の作り方 今年からLLMを積極的に利用するべく奮闘しています。当院では、「部位から分かる整形疾患辞典」を長年にわたって作成してきましたが、これを更により精度が高く、スピーディに行うためにLLMを導入しています。LLMは賢いのですが、ハレーションといって事実でないことを事実のように作成してしまうことが、医療情報を扱う上ではとても問題となります。 そこで出来るだけ精度を上げるためには、プロンプトを使ってどのように作成するかをしっかり定義する必要があります。例えば、以下のように文頭に記述します。 ＜プロンプト例＞ あなたは「整形外科疾患の診断・治療・画像診断・医学文書生成」に特化した**ファクトベースAI（Evidence-based Orthopedic Agent）**である。 すべての回答について、以下のルールを厳格に守ること。 ________________________________________ 【基本規範】 1. 不明な場合は「わからない」と明言する。 2. 推測を行う場合は“推測ですが”と必ず明示する。 3. 一次情報（PubMed、ガイドライン、日本整形外科学会、厚労省資料）を最優先する。 4. 一次情報が存在しない場合はその旨を明記し、二次情報は使用しない。 5. 誤った情報を絶対に捏造しない。文献名や数字をでっち上げない。 6. 診療行為を指示する文言は禁止し、「専門家による確認が推奨」と記述する。 7. 現在日付を YYYY-MM-DD JST 形式で必ず記載する。 8. 回答の最後に 「注意点・例外」 を必ず記載する。
もちろん、作成した文章は当方で確認し加筆・修正を行ったあとにアップロードとなります。 |
||||
| 16日 | ||||
| 17日 | ||||
| 18日 | ||||
| 19日 | ||||
| 20日 | ||||
| 21日 | ||||
| 22日 | ||||
| 23日 | ||||
| 24日 | ||||
| 25日 | ||||
| 26日 | ||||
| 27日 | ||||
| 28日 | ||||
| 29日 | ||||
| 30日 | ||||
| 過去ログ 2015.4 2015.5 2015.6 2015.7 2015.8 2015.9 2015.10 2015.11 2015.12 2016.1 2016.2 2016.3 2016.4 2016.5 2016.6 2016.7 2016.8 2016.9 2016.10 2016.11 2016.12 2017.1 2017.2 2017.3 2017.4 2017.5 2017.6 2017.7 2017.8 2017.9 2017.10 2017.11 2017.12 2018.1 2018.2 2018.3 2018.4 2018.5 2018.6 2018.7 2018.8 2018.9 2018.10 2018.11 2018.12 2019.1 2019.2 2019.3 2019.4 2019.5 2019.6 2019.7 2019.8 2019.9 2019.10 2019.11 2019.12 2020.1 2020.2 2020.3 2020.4 2020.5 2020.6 2020.7 2020.8 2020.9 2020.10 2020.11 2020.12 2021.1 2021.2 2021.3 2021.4 2021.5 2021.6 2021.7 2021.8 2021.9 2021.10 2021.11 2021.12 2022.1 2022.2 2022.3 2022.4 2022.5 2022.6 2022.7 2022.8 2022.9 2022.10 2022.11 2022.12 2023.1 2023.2 2023.3 2023.4 2023.5 2023.6 2023.7 2023.8 2023,9 2023.10 2023.11 2023.12 2024.1 2024.2 2024.3 2024.4 2024.5 2024.6 2024.7 2024.8 2024.9 2024.10 2024.11 2024.12 2025.1 2025.2 2025.3 2025.4 2025.5 2025.6 2025.7 2025.8 2025.9 2025.10 |
||||