テキストを超えて:生物医学RAGシステムにおける図による検索の影響定量化
Beyond text: quantifying the impact of figure-guided retrieval in biomedical RAG systems
本研究では、生物医学分野における検索拡張生成(RAG)システムにおいて、図(画像、グラフなど)を活用した検索手法を統合することで、生成品質と検索効果が向上するかを検証した。提案手法「Figure-First Hybrid RAG (FFHRAG)」は、まず関連性の高い図を検索し、それをテキスト選択のガイド信号として利用するマルチステージ検索アーキテクチャである。この手法は、複雑な埋め込みアライメントを不要にし、低オーバーヘッドでクロスモーダル埋め込みノイズを回避する。110万以上のPubMed Centralテキストチャンクと82,000の図キャプションを対象に、BioASQ-13b由来の要約型質問でゼロショット評価を行った。テキストのみのベースライン(BM25リトリーバー、Cross-Encoderリランキング)と比較して、FFHRAGは局所的なPMCIDレベルのブースティングモジュールにより検索順序を改善し(MRR 0.8331から0.8358へ)、プロンプトレベルでの図キャプション注入により下流生成品質を向上させた(ROUGE-1 0.4068から0.4137へ、ROUGE-L 0.2623から0.2678へ)。この結果は、図が生物医学RAGシステムにおいて活用されていない検索モダリティであり、軽量な図認識メカニズムでも埋め込みレベルでのマルチモーダル融合を必要とせずに回答品質の向上が可能であることを示唆している。
- 生物医学RAGにおいて、まず図を検索しテキスト選択のガイド信号に使うマルチステージ検索アーキテクチャ「Figure-First Hybrid RAG (FFHRAG)」を提案。埋め込みアライメントを不要にし低オーバーヘッドでクロスモーダル埋め込みノイズを回避する。
- 110万以上のPubMed Centralテキストチャンクと82,000の図キャプションを対象に、BioASQ-13b由来の要約型質問でゼロショット評価を実施。
- PMCIDレベルのブースティングモジュールにより検索順序が改善(MRR 0.8331→0.8358)、プロンプトレベルでの図キャプション注入により生成品質が向上(ROUGE-1 0.4068→0.4137、ROUGE-L 0.2623→0.2678)。
- テキストのみのベースライン(BM25リトリーバー、Cross-Encoderリランキング)との比較で、図が生物医学RAGで未活用だった検索モダリティであることを示した。
生物医学RAGの検索モダリティとして「図」を軽量に活用する研究。埋め込みレベルのマルチモーダル融合を不要にし、低オーバーヘッドで検索・生成品質を改善できる点は、医療AI・創薬ナレッジ検索のコスト構造に影響しうる。ただし改善幅はMRRで約0.003、ROUGE-1で約0.007と小幅で、ゼロショット・単一ベンチマークの結果にとどまるため、実運用やプロダクト差別化への寄与は限定的。投資判断では、こうした軽量な図認識RAGが製薬・医療AI企業の実装コストを下げる方向性として注視しつつ、数値の実務インパクトの小ささも踏まえて評価したい。