銭 武 (Qian Wu) 氏を含む研究チームは2026年7月23日(現地時間)、arXiv cs.CLにて、大規模言語モデル (LLM) を活用した医療教育ゲームフレームワーク「MedGame (メドゲーム)」を発表した。MedGameは、静的な臨床症例を、意思決定中心の学習経路を持つ構造化された実行可能なストーリーテリングゲームに変換する。これは、既存の医療教育システムが質疑応答や単一のフィードバックといった局所的なインタラクションに焦点を当てている現状への対応策として導入された。
MedGameはデュアルエンジン設計を採用している。一つはMedical Narrative Designer (メディカル・ナラティブ・デザイナー)で、症例に基づいた臨床ストーリーラインを状態と意思決定ノードで合成する。もう一つはStory Director (ストーリー・ディレクター)で、これらを依存関係を考慮したマルチモーダルなオーケストレーション計画に変換し、インタラクティブプラットフォームでレンダリングする。
研究チームは、Medical Narrative GenerationとStory Directionのための5,000症例のベンチマークおよび評価プロトコルであるMedGame Bench (メドゲーム・ベンチ)を構築した。実験の結果、タスクに特化したファインチューニングが、オープンソースの大規模言語モデル (LLM) のMedGame Benchにおける性能を大幅に改善し、商用モデルとの性能差を縮めることを示した。また、パイロット学生調査では、学習者がMedGameをテキストのみの代替手段よりも魅力的で有用であると認識している。
参考: arXiv cs.CL (アーカイブ) — 2026年7月24日 02:50 (JST)