自動Chain-of-Thought

このテクニックとは

自動Chain-of-Thought（Auto-CoT）とは、AIモデルに対してユーザーが推論ステップを細かく指定することなく、モデル自身が問題を自動的に分解し、推論チェーンを自律的に生成する手法です。2022年にWang et al.が発表した論文「Automatic Chain of Thought Prompting in Large Language Models」でその有効性が実証されました。

通常のChain of Thought（CoT）プロンプティングでは、ユーザーが「ステップ1: 〇〇、ステップ2: 〇〇」と推論の枠組みを明示的に与えます。これに対し、Auto-CoTでは「ステップバイステップで考えてください」「推論過程を詳しく示しながら」といった簡潔な指示を与えるだけで、モデルが自ら問題に応じた適切な推論チェーンを構成します。

医療の現場では、臨床医は問題の性質に応じて異なる推論プロセスを使い分けます。感染症の診断では「起因菌の特定→感受性の推定→抗菌薬選択」という流れを取りますが、急性冠症候群の評価では「TIMI/GRACE scoreの算出→リスク層別化→治療戦略の決定」という異なる枠組みを使います。Auto-CoTは、このような問題依存の推論フレームワークをAIが自律的に選択・構築する能力を活用します。

基本的な使い方

モデルに推論プロセスの自律的な設計を促す表現を加えることがポイントです。問題を解かせる前に、まずその問題にどのようにアプローチするか考えさせることで、精度が向上します。

パターン1: 最もシンプルな自動CoT

以下の[問題・症例]について、あなたが適切と考える推論ステップを自ら設計し、
そのステップに従って分析してください。

[症例・問題の内容]

まず「この問題を解くために必要な推論ステップ」を明示したうえで、
各ステップを実行してください。

パターン2: 問題分解を先行させる自動CoT

以下の医療的問題に答える前に、まず以下を実行してください:

1. この問題を解決するために必要なサブ問題を列挙する
2. 各サブ問題を解く順序と理由を示す
3. 設計した手順に従って実際に推論を実行する

問題: [症例・臨床的問題]

パターン3: ゼロショット自動CoT（最も手軽）

[症例・臨床的問題]

推論過程を詳細に示しながら、ステップバイステップで答えてください。

医療での活用例

シナリオ

急性腹痛を訴える患者が救急外来に来院し、複数の鑑別診断が考えられる状況です。診断のために症例情報と検査結果を整理し、体系的かつ論理的に病態を推論する必要があります。

プロンプト例

以下の症例について、あなた自身が適切と判断する推論フレームワークを構築し、
それに従ってステップバイステップで分析してください。

症例:
- 患者: 38歳男性
- 主訴: 6時間前から始まった急性腹痛（臍周囲→右下腹部に移動）
- 身体所見: 体温38.1°C、右下腹部圧痛、McBurney点の圧痛、反跳痛あり
- 血液検査: WBC 14,800（好中球優位）、CRP 6.2、リパーゼ正常

まず「この症例を診断するために必要な推論ステップ」を示し、
次にそのステップを実行して最も可能性の高い診断と
推奨される対応を導き出してください。

いつ使うべきか

• 複雑な問題で事前に推論の枠組みを決めることが難しい場合
• 問題の性質に応じてAIに適切な分析アプローチを自律的に選択させたい場合
• マニュアルでのステップ設計が煩雑な繰り返し作業に
• AIの推論能力を最大限に発揮させたい複雑な鑑別診断や病態解析
• 研修医教育で「どのような順序で情報を整理するか」というプロセス自体を学ぶ場合