AIで作成するダイアログ動画

GoogleのNotebookLMは自分で選択した情報ソース:PDFファイル、ウェブサイト、YouTubeの動画、その他をアップロードして、それらの情報に基づいて、要約を作成したり、質問に対する回答を得たり、さらに二人の”詳細な会話”の音声ファイルを作成することができます。単にソース情報の要約を作成するだけでなく、”詳細な会話”のカスタマイズで対話の内容について指示し、さまざまな課題に関するダイアログを作成することができます。

作成した音声ファイル(WAV形式)をダウンロードし、たとえば、Microsoft Wordのディクテーションのトランスクリプトからそのファイルを開いて、文字起こしすることができます。さらに、そのテキストから、Gammaでスライドを作成し、必要な修正を加えて、PPT、PDF、PNGファイルとして出力することができます。

音声ファイルとスライド画像のファイルから動画を作成し、YouTubeのIZ statチャンネルにアップしました。動画の作成はVideopadを用いた手作業です。

「エビデンスの確実性と利益・害のバランス分析 – ダイアログ」(9:28) Link

「システマティックレビューにおけるAIの活用 – ダイアログ」(7:45) Link

「コクランRoB 2ツール:ITT効果とPer-protocol効果の評価の違い – ダイアログ」 (8:17) Link

「共有意思決定(SDM):患者さんとの対話を通じた最適な医療選択 – ダイアログ」(6:20)Link 医師に向けての視点で

「共有意思決定(SDM):医療者と患者の協働アプローチ – 医療利用者に向けての視点で – ダイアログ」(7:34)Link

「臨床研究のバイアスの理解:推定値への影響 – ダイアログ」(15:14) Link

これらの動画は聞き役と、説明する役の二人の対話で、話し言葉なので、スライドを見ながら聞いていると何となく要点が分かるような気になります。

NotebookLMではプロンプトの書き方で、同じソースでも異なるアウトプットになり、重点の置き方が違った内容になりますが、非常に効率化が図れます。”詳細な会話”ではなく、テキストでの回答を得て、それを保存しておくこともできます。Gammaでのスライド作成も、自分では描けないようなプロフェッショナルな画像を挿入してくれ、適切にまとめてくれ、やはり非常に効率化が図れます。

Network Meta-analysisのためのデータ形式とnetmetaでNMAを実行

Network meta-analysisで使われるデータ形式について、以下のような表現が一般的です:

  1. One row per study: この形式は、各研究が1行で表される場合に使われます。英語では「wide format」や「study-level data」と呼ばれることが多いです。
  2. One row per pair: 各ペアのデータが1行で表される形式です。英語では「long format」や「pairwise data」として言及されることがあります。

Gerta Rückerらの、Rのパッケージnetmetaは頻度論派frequentist統計学によるネットワークメタアナリシスを実行し、エビデンスの確実性の評価に必要なアウトプットが可能です。

Wide formatでは、Rのスクリプトの中で、介入のラベル名などを書き込む必要があります。Pairwise data形式の場合は、データの中に含まれている介入のラベル名を用いてペア比較及びネットワークが作られるため、同じスクリプトで異なるデータソースに対処できます。

図1.上のデータがWide formatで、下が同じデータをPaiwise dataに変換したもの。連続変数アウトカムの場合の例。

Pairwise dataの形式で、ネットワークメタアナリシスに必要なデータをExcelで用意し、データの範囲を選択して、コピーしRで次のスクリプトを実行すると、クリップボード経由でデータが渡され、ネットワークメタアナリシスを実行し、結果が出力されます。最初に結果のファイルを保存するフォルダを選択あるいは新規作成するダイアログボックスが出て、そのあとは終了まで少し時間がかかります。Net heat diagramは条件によって作成されない場合もあります。

Excelのテンプレートファイルはこちらから右クリックしてダウンロードして使ってください。Link

Rで実行するスクリプトは:
Windows:
dat=read.delim(“clipboard”,sep=”\t”,header=TRUE);source(“https://stat.zanet.biz/useRs/scripts/nma-with-netmeta.R”)
Mac:
dat=read.delim(pipe(“pbpaste”),sep=”\t”,header=TRUE);source(“https://stat.zanet.biz/useRs/scripts/nma-with-netmeta.R”)

Network graph, Forest plot, Node-splitting forest plotと表データ、Rankgram、SUCRA plot、などが得られます。

R Shinyでnetmetaを動作させ、Forest plotだけでなく、エビデンスの確実性の評価などを行う表やバイアスリスクのまとめなどのチャートを作成できるCINeMA (Confidence in Network Meta-Analysis)というウェブサイトがあります。CINeMA considers 6 domains: (i) within-study bias, (ii) reporting bias, (iii) indirectness, (iv) imprecision, (v) heterogeneity, and (vi) incoherenceだそうです。CochraneのHiggins JTPやNetwork meta-analsisのリーダーたちであるChaimani A、Salanti Gらが開発に係わっています。

Cochrane RoB 2を用いるウェブツール

ランダム化比較試験のバイアスリスク評価ツールであるCochrane risk of bias toolが2019年からversion 2.0となり、シグナリングクエスチョンに答えることで、研究ごとのバイアスリスクをLow, Some concerns, Highの3段階で評価する方法に変わりました。Link Excelマクロを用いて、自動判定するファイルも用意されています。

ドロップダウンメニューからシグナリングクエスチョンに対する回答を選択していくと、バイアスリスク評価ができるウェブツールを以前から公開していました。今回、ドメイン2の治療企図からの乖離によるバイアスリスクについて判定アルゴリズムを1つ追加しました。Link

今回の課題は、ドメイン2のPart 1の判定アルゴリズムです。今までは、図1に示すような回答の組み合わせの場合、Part 1の判定は未決で白丸のままでした。

図1. ドメイン2 Part 1のバイアスリスク判定。

このような場合、白丸部分をクリックすると、図2のように関連するアルゴリズムが表示されます。青の太字が選択した回答と一致している部分で、この組み合わせの中には、y y pn NANA y NAという組み合わせはありません。判定がLowになる回答の組み合わせは3つだけでした。

図2.青の太字が選択した回答と一致している部分で、この組み合わせの中には、y y pn NANA y NAという組み合わせはない。

これらの回答の組み合わせは、上記Cochrane risk of bias tool version 2.0に関する解説のページで、Link Full guidance documentにかかれているアルゴリズムに沿って作成したものです。該当する箇所は、Table 6またはFigure 2です。そこを見ると、シグナリングクエスチョン2.1と2.2は”Either Y/PY/NI“で、2.3がN/PNの場合Low riskの判定となることが記載されています。”Either Y/PY/NI”の解釈で、いずれかが”Y/PY/NI”であるという場合に、両方が”Y/PY/NI”であるも含めるか、いずれか片方だけが”Y/PY/NI”の場合だけに限定するかが問題となります。今までは、後者の解釈に基づいてアルゴリズムを設定していましたが、今回、両方が”Y/PY/NI”である場合も含めるアルゴリズムに変更することにしました。言い換えると、参加者も医療提供者も介入について知ることができる場合でも、すなわちいずれも盲検化が行われていない場合でも、治療企図からの乖離が臨床試験の文脈と関係ない場合は、Low riskと判定するということになります。また、医療提供者あるいは参加者だけが介入を知っている場合と、両者とも知っている場合は同じ評価になるという意味でもあります。盲検化の有無よりも、治療企図からの乖離が臨床試験の文脈と関係あるかどうかの判断がより重要になるということにもなります。

さて、今回お話ししているウェブツールはアルゴリズムを各自の望ましいと思うものに書き換えて利用することができるようになっています。今回その機能を用いてアルゴリズムを修正しました。図3で示すように、MenuからAlgorithmを選択すると、図4に示す、その時点のアルゴリズム一覧が示されます。

図3.Menuからアルゴリズムを表示させる。
図4.その時点のアルゴリズム一覧。2.1でLowになる回答の組み合わせは3種類だけ。

ここに、シグナリングクエスチョンの2.1の回答の組み合わせでLow判定になるものを追加します。タブ区切りで図5に示すように、1行を追加しました。

図5.2.1にLowになる回答の組み合わせを追加。

そして、図5に示す、Saveボタンをクリックすると、図6のように、確認のメッセージが出るので、OKをクリックします。

図6.書き換えたアルゴリズム一覧を保存する際の確認のメッセージ。

次に、このウェブページ全体をHTMLファイルとして保存します。図7のように、MenuからSaveを選択します。

図7.HTMLファイルとして保存する。MenuからSaveをクリック。
図8.名前を付けて保存する。

図8のように、ブラウザの右上の方にファイルをダウンロードしてPCに保存するメッセージが出るので、名前を付けて保存をクリックします。もし、Study IDとOutcomeが入力されている場合は、それらの文字列をアンダーバーで結合したファイル名が提示されます。

図9.ファイル保存のためのダイアログ。ファイル名を付け、あるいは修正して保存ボタンをクリック。

図9のようにファイル保存のためのダイアログが出るので、ファイル名を付けて保存します。

図10.ダウンロードの状況。

ブラウザの右上の方に、ダウンロードの状況が表示され、終了すると図10のように表示されるので、ここでファイルを開くをクリックすると保存したHTMLファイルがブラウザで開かれます。また、フォルダのアイコンをクリックするとそのファイルを含むフォルダが開かれます。このパネルが無くなった後であれば、・・・をクリックしてダウンロードを選択すると、直前までダウンロードしたファイルの一覧が表示されるので、そこから選択して開くこともできます。

図11.ダウンロードしたファイルでアルゴリズムを確認。

ダウンロードしたファイルをブラウザで開き、MenuからAlgorithmを選択して、2.1の所を確認すると修正した内容に変わっています。

図12.ドメイン2のテスト。

ドメイン2で2.1のシグナリングクエスチョンに最初と同じ組わせてで回答を選択すると、今度は、Lowの判定になります。

さて、ダウンロードしたファイルを右クリックしてコピーして貼り付け操作を行うとファイルを複製使用することができます。インターネットに接続された環境であれば、上記のURLを開いた場合と、同じように動きます。

バイアスリスク評価はひとつの研究-ひとつのアウトカムで1枚ずつ用いて行い、MenuからSaveして記録しておくことができます。その場合、保存されたHTMLファイルはローカルPCにあります。例えば、研究が5件で評価するアウトカムが5つであれば、25枚のHTMLファイルを保存することになります。

また、ひとつの研究-ひとつのアウトカムの評価が終わったら、上の方にあるCopy to Clipboard with Summaryのボタンをクリックし、Excelで開いたMindsのRoB 2用の評価シートに結果を貼り付けることもできます。

このウェブツールはバイアスリスクのドメインの行をクリックするとシグナリングクエスチョンが、各シグナリングクエスチョンをクリックすると解説が表示されます。

図13.シグナリングクエスチョンの表示と解説の表示。各行をクリックすると表示される。

Cochrane risk of bias tool version 2.0ではシグナリングクエスチョンの回答に基づく判定とレビュアの判定が異なる場合、後者を優先することになっています。このウェブツールではその変更はできないので、評価シートの方でレビュアの判定を設定してください。その旨をコメント欄に記入してSaveしておくといいと思います。

また、バイアス効果の向き、すなわち、過大評価(介入群に有利)・過小評価(対照群に有利)、差が無い方へ・差がある方へ、の判定はオプショナルになっていますが、ドメイン名の右のラジオボタンで記録することはできます。

Excelファイルをドラグアンドドロップでメタアナリシスを実行するウェブページ

メタアナリシスのためのデータをExcelで用意し、そのファイルをドラグアンドドロップすると、メタアナリシスを実行し、Forest plotとFunnel plotを作成するウェブページを作りました。

解析はJavaScriptで作成したコードで行っており、MathライブラリとjStatライブラリを用いています。インターフェース関連でjQueryも用いています。

メタアナリシスはInverse-variance method分散逆数法、ランダム効果モデルによる方法で、研究間の分散はRestricted Maximum Likelihood (REML)法(Viechtbauer W 2005)を用いています。

ExcelシートはMindsのテンプレートをそのまま用いて、データを入力します。図1は介入研究用(RoB2)の例です。介入、対照、アウトカムの欄にはデータを入力する必要があります。さらに、研究コード、リスク人数と書いてあるデータの部分、そして効果指標のタイプは設定する必要があります。

図1. Mindsの評価シート(介入研究RoB2用)。この例では、メタアナリシスの結果のデータも入力済み。

必要なデータを入力したらファイルを保存します。

ブラウザで次のウェブページを開いてください。Meta-analysis IZ mi

図2.Meta-analysis IZ miのウェブページ。

右の円が描かれているエリアにExcelのファイルをドラグアンドドロップすると、すぐ上のドロップダウンメニューにシート名の一覧が表示されるので、メタアナリシスの対象のシートを選択し、その左のDo Meta-analysisのボタンをクリックしてください。Forest plotとFunnel plotが表示されます。また、結果の数値データが上のテキストエリアに書き込まれます。

Do Meta-analysisの実行直後は、各研究の効果指標と95%信頼区間、統合値と95%信頼区間の値がクリップボードに格納されているので、Excelシートの効果指標(値)のセルに貼り付けることができます。図1の例であれば、セルU12を選択して貼り付けます。

Forest plotとFunnel plotは右クリックして保存したり、コピーして貼り付けたりできます。数値データは必要に応じて、Copy to Clipboardボタンをクリックして、クリップボード経由でExcelシートに貼り付けられます。

図3.Meta-analysis IZ izのメタアナリシス実行結果。

Meta-analysis IZ miはRoB2用のシートだけでなく、それ以外のシートにも対応しています。効果指標のタイプは、二値変数アウトカムのRR, OR, RD、ハザード比HR、連続変数アウトカムのMD, SMDに対応しています。評価シートの効果指標(種類)でタイプを設定してください。

使用法の解説動画はこちらです (YouTube Link)。

ここで紹介した、Mindsの評価シートに対応しているのが、Meta-analysis IZ miですが、メタアナリシスだけで十分な場合は、別のフォーマットでExcelファイルを用意してMeta-analysis IZ izを使うこともできます。こちらは、REML法とDerSimonian-Laird法の指定ができます。

サンプルデータを入力したMindsの評価シートのファイルとMeta-analysis IZ iz用のサンプルデータを入力したファイルはこちらでダウンロードできます。右クリックして保存してから使用してください。

minds-sample-rob2.xlsx
iz-meta-sample.xlsx

メタアナリシスの際に用いている計算式について詳細を知りたい人は、Deeks J and Higgins JPT 2010を参照してください。この解説の時点では、研究間の分散の計算はDerSimonian-Laird法を用いていますが、最近RevManでもREML法も選択できるようになったようです。McKenzie J, Veroniki AAの解説を参照してください。

文献:
Viechtbauer W: Bias and Efficiency of Meta-Analytic Variance Estimators in the Random-Effects Model. Journal of Educational and Behavioral Statistics
Fall 2005, Vol. 30, No. 3, pp. 261–293. Link

Viechtbauer W氏のR package metafor Link The metafor Package: A Meta-Analysis Package for R. Link

Deeks J and Higgins JPT: Statistical algorithm in Reveiw Manager 5. 2010. Link

McKenzie J, Veroniki AA: Introduction to new random-effects methods in RevMan. Link 解説スライド