Large language model powered knowledge graph construction for mental health exploration
| 項目 | 内容 |
|---|---|
| 論文ID | P42 |
| 区分・分類 | 論文・知識グラフ構築 |
| 著者・所属 | Shan Gao, Niansheng Tang（Yunnan University）、Kaixian Yu（Insilicom LLC）、Yue Yang, Hongtu Zhu（University of North Carolina at Chapel Hill）、Sheng Yu（Tsinghua University）、Chenglong Shi（The Second Affiliated Hospital of Kunming Medical University）、Xueqin Wang（University of Science and Technology of China） |
| 発表先 | Nature Communications |
| 発表日 | 2025-08-13 |
| 引用数 | 17（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.1038/s41467-025-62781-z |
| 論文/pdf/P42.pdf | |
| 読んだ範囲 | 全文 |
論文タイプ
応用。既存の抽出モデル（SpERT.PL）とLLM（GPT-4・GPT-4o・ChatGPT）を組み合わせて精神疾患領域の知識グラフを構築し、疾患予測に使った研究。
研究の目標
精神疾患の知見は論文・DBに分散している。既存の精神疾患KGは少なく、学習データ作成が高コストで、条件などの文脈や情報源ごとの信頼度の違いが抜け落ちている。文脈付きの大規模な精神疾患知識グラフ MDKG を作ることが到達点。
技術的なやり方
| 段階 | 内容 |
|---|---|
| スキーマ | エンティティ9カテゴリ、関係7種（risk, therapeutic 等）。各トリプレットに①条件文（属性・成立条件）②対象集団の特性7項目（年齢・性別・サンプルサイズ等）③出典と信頼度スコアを付ける |
| 注釈 | PubMed の500要旨を注釈しコーパス MDIEC を作成。BERN2・QuickUMLS・GPT-4 で事前ラベル付けし人が確認。注釈対象は active learning で選ぶ |
| 抽出 | SpERT.PL（BERTベースのNER/RE同時抽出）を学習。結果を GPT-4o で検証・採点し、低得点は再処理 |
| 表の抽出 | 全文PDF/XMLの対象者特性表を PaddleOCR・pdfplumber で取り出し、ChatGPT に質問して回収 |
| 統合 | 12のDB（DrugBank, UMLS 等）と SapBERT＋FAISS で整合 |
| 応用 | UK Biobank の病歴をMDKGに対応づけ、RDF2Vec で200次元の患者ベクトルにし、MDD・不安症・双極性障害を予測 |
結果
| 項目 | 数値 |
|---|---|
| 規模 | 文献由来：エンティティ236,542、トリプレット1,913,461（一意880,692）。統合後：エンティティ1,642,543、関係10,702,976。既存資源にない関連が約100万 |
| 他KGとの比較 | 5疾患の関連情報量が PrimeKG・SPOKE・GENA の5〜50倍 |
| 抽出精度（micro F1） | NER 0.89、RE 0.68、NER+RE同時 0.63 → 後処理後 0.79 |
| 人手評価（評価者4名） | 正確性 MDKG 79.0%、GENA 78.3%。臨床医の評価時間 MDKG 31秒/件、PrimeKG 129秒、GENA 85.25秒（62〜77%短縮） |
| 予測（AUC） | MDD：XGBoost で EHR+KG 0.89、EHRのみ 0.82。双極性：XGBoost 0.88（EHRのみ 0.85）。不安症：EHR+KG 0.81〜0.83（EHRのみ 0.78〜0.79） |
限界・課題
- 抽出が要旨の文単位・定義済みの型に限られ、想定外の知識を取りこぼす
- データ品質は保証できない。同義語・略語でエンティティ整合が難しく連結性が下がる
- 現状は研究者向けで、LLMと組み合わせた一般向けQAは今後の課題
- 古い研究由来のトリプレットが「教科書的知識」と評され、証拠の確かさと新しさの両立が課題
要点
LLMによる注釈・検証と active learning で、条件・対象集団・出典/信頼度を付けた1,000万関係超の精神疾患知識グラフ MDKG を構築した。文脈付与で専門家の検証時間が62〜77%短縮し、KG埋め込みは UK Biobank での精神疾患予測のAUCを上げた。