Verifiable Knowledge Expansion through Retrieval-Grounded Formal Concept Analysis

技術要約：検索に基づく根拠付けられた形式概念分析による検証可能な知識拡張

問題提起
希少疾患を表現型属性にマッピングするといった生物医学的オントロジーの構築は、伝統的にドメインエキスパートによるコストの高い手動キュレーションを必要としてきた。大規模言語モデル（LLM）はテキストから構造的な知識を提案できる一方で、その出力は検証可能性に欠けることが多く、根拠のない、あるいは一貫性のない関係を生じさせる。核心となる技術的課題は、提案された知識構造が恒久的なコミットメントとなる前に、それを検証することである。具体的には、システムは標的を絞った構造的な質問を行うことができ、提案された規則性（例：「属性AとBを持つ疾患Xは、必ず属性Cも持つ」）が失敗した場合に、反例を取り入れることができなければならない。

手法
本論文は、記号的な検証ループとしての**形式概念分析（FCA）**と、**小型言語モデル（SLM）を活用した検索増強生成（RAG）**システムを組み合わせたハイブリッドフレームワークを提案している。プロセスは、反復的なオントロジー探索ループとして機能する：

1. 初期化： システムは、有限かつ制御された表現型属性の集合（$M$）と、そのシード部分集合（$M_0$）から開始される。
2. FCA属性探索： 現在の形式コンテキスト（観測されたオブジェクト $E_\tau$ および活性化された属性 $M_\tau$）を用いて、FCAモジュールが候補となる含意（$A \rightarrow B$）を生成する。含意は、属性集合 $A$ を持つ疾患は、属性集合 $B$ のいずれかの属性も持つことを示唆する。
3. RAGに基づいたSLMオラクル： 各候補含意に対し、システムは前提条件と結論に関連する疾患レベルのテキスト証拠を検索する。その後、SLMオラクルが、制約付きの証拠に基づくバイナリ判定を行う：
   • 受理（Acceptance）： 証拠が含意を支持する場合、それは含意基底に追加される。
   • 拒絶（Rejection）： 証拠が含意と矛盾する場合、オラクルは特定の反例オブジェクト（属性 $A$ を持つが、属性 $B$ の少なくとも一つの属性を欠いている疾患）を返さなければならない。
   • 発生判定（Incidence Judgment）： オラクルはまた、検索されたスニペットに基づき、特定のオブジェクトと属性のペア（YES/NO）を検証する。
4. コンテキスト更新： 受理された含意は知識ベースを洗練させる。拒絶された含意は、観測されたコンテキストに反例オブジェクトを導入し、システムが過度な一般化を行うのを防ぐ。
5. 属性拡張： システムは、受理された含意の閉包および検索された証拠に基づき、次のラウンドのための新しい属性を提案し、活性な属性集合 $M_\tau$ を段階的に拡張する。

本フレームワークは、繰り返される証拠条件付きの決定におけるコスト効率と性能のトレードオフを評価するために、3種類の異なるSLM（Gemma2:2B, Llama3.2:3B, Qwen2.5:1.5B）を利用している。

主な貢献
本論文には以下の3つの主要な貢献がある：

1. FCAベースの検証ループ： 含意と反例を通じてオブジェクトと属性の構造をテストするメカニズムであり、証拠なしに構造的なコミットメントが行われないことを保証する。
2. 検索に基づいたSLMLオラクル： パラメトリックなメモリのみに依存するのではなく、外部から検索可能な証拠に局所的な判断を接地させる低コストなインターフェース。
3. 記号的・非記号的ハイブリッド： FCAがグローバルな構築ロジック（クエリの提案とコンテキストの管理）を制御し、言語モデルが証拠に基づく局所的な決定を処理するシステム。

実験結果
フレームワークは、OrphadataおよびHuman Phenotype Ontology（HPO）から派生した希少運動失調症疾患のデータセットを用いて評価された。実験は10個のシード属性から始まる20ラウンドの実行と、セカンダリ実験としての20個のシードを用いた実行で行われた。

• 性能指標：
  • 関係スコア（F1）： 10個のシードによる実行において、0.29から0.52の範囲であった。Llama3.2:3Bが最も高い関係F1（0.52）を達成し、Gemma2:2Bは最も高い再現率（0.87）を示したが、適合率は低かった。
  • 含意スコア（F1）： 10個のシードによる実行において、0.22から0.30の範囲であった。Qwen2.5:1.5Bが最も高い含意F1（0.30）を達成した。
  • シードサイズのインパクト： シードセットを20属性に増やすと、すべてのモデルで含意F1スコアが向上した（例：Gemmaは0.22から0.36へ上昇、Qwenは0.41に到達）。しかし、生成された属性をゴールドスタンダードに対して評価するというボトルネックを完全には解決できなかった。
• アブレーション研究：
  • LLM単独（検索なし）： 検索を除去すると、探索されるコンテキストが小さくなり、早期に終了した。これらの実行は高い含意F1（最大0.67）を示したが、オブジェクトおよび属性の集合を効果的に拡張することはできず、コンテキストの成長には検索が必要であることを浮き彫りにした。
  • 固定オブジェクト・属性設定： 疾患と属性の集合を固定した場合（発見の困難さを排除した場合）、達成された最高の関係F1はわずか0.31であった。これは、主要なボトルネックが単なるエンティティの発見ではなく、利用可能なテキスト証拠から特定の疾患・表現型の発生を正確に判断することにあることを示している。

意義と主張
本論文は、自身の手法を完全な自動オントロジー生成器としてではなく、検証可能な構築手順として控えめに位置づけている。

• 検査可能性： システムは、受理された含意、拒絶された含意、反例、および修正のトレースを生成する。これにより、ドメインエキスパートは、構造的なコミットメントが「ブラックボックス」的な生成として受け入れられるのではなく、なぜその決定がなされたか、あるいは拒絶されたかを監査することができる。
• 部分的構築： 著者らは、出力は完全な制御された表現型属性集合に対する標準的な基底ではなく、証拠にアクセス可能なコンテキスト上の「探索された含意集合」であると主張している。
• 限界： 論文では、現在の結果が疾患定義テキストの希薄さ（すべてのキュレートされた関係を明示的に述べているとは限らない）や、セルレベルの発生回復の困難さに制限されていることを認めている。本フレームワークは、臨床的なオントロジーとなる前に専門家のレビューを必要とする「監査可能なプレキュレーション・アーティファクト」として提示されている。

要約すると、本研究は、FCAの厳密な構造的論理とRAGに基づいたSLMを組み合わせることで、証拠検索の限界と専門家による監視の必要性が認識されている限りにおいて、生物医学的知識を拡張するためのスケーラブルで検査可能なループを実現できることを示している。