วิจัยชี้ LLM ช่วยทบทวนแบบจำลองโรคได้ แต่ยังต้องมีมนุษย์ตรวจสอบ
นักวิจัยพัฒนาไปป์ไลน์ให้ LLM สกัดข้อมูลจากงานแบบจำลองการแพร่โรค 536 ฉบับ พบความแม่นยำระดับบทความสูงสุดราว 81.67% แต่ผลต่างกันมากตามความซับซ้อนของข้อมูล
งานวิจัยชื่อ “Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models” ทดลองใช้ Large Language Models หรือ LLM (โมเดลภาษาขนาดใหญ่) ช่วยทำ systematic literature review หรือ SLR (การทบทวนวรรณกรรมอย่างเป็นระบบ) ซึ่งปกติต้องใช้เวลามากในการค้นหา อ่าน และจัดหมวดหมู่งานวิชาการตามเกณฑ์เดียวกัน
ทีมวิจัยพัฒนา pipeline (กระบวนการทำงานหลายขั้นตอน) เพื่อสกัดข้อมูลที่เกี่ยวข้องกับแบบจำลองจากบทความวิชาการแบบผ่านการประเมินโดยผู้ทรงคุณวุฒิ 536 ฉบับ งานทั้งหมดอยู่ในกลุ่ม agent-based modeling (การจำลองที่ให้ตัวแทนแต่ละหน่วยมีพฤติกรรมและปฏิสัมพันธ์กัน) สำหรับศึกษาการแพร่กระจายของโรค จากนั้นจึงเปรียบเทียบผลของระบบกับ SLR ที่มนุษย์ทำไว้
ผลระดับบทความพบว่า GPT-4.1 มีความแม่นยำประมาณ 77.95% ส่วน GPT-5.0 อยู่ที่ประมาณ 81.67% อย่างไรก็ตาม ตัวเลขรวมดังกล่าวไม่ได้หมายความว่าโมเดลทำได้ดีเท่ากันกับข้อมูลทุกประเภท เมื่อวัดความแม่นยำแยกตามฟิลด์ข้อมูล ผลอยู่ในช่วงกว้างตั้งแต่ 32.40% ถึง 100.00% โดยฟิลด์ที่ซับซ้อนหรือต้องอาศัยการตีความเชิงอัตวิสัยมีความน่าเชื่อถือต่ำกว่า
งานวิจัยยังพบว่า ระดับความสอดคล้องระหว่างคำตอบของ LLM หลายโมเดลอาจใช้เป็นสัญญาณเบื้องต้นของคุณภาพผลลัพธ์ได้ หากโมเดลให้คำตอบไม่ตรงกันมาก อาจบ่งชี้ว่าคำตอบบางส่วนมี hallucination (การสร้างข้อมูลที่ดูน่าเชื่อแต่ไม่ตรงกับต้นฉบับ) ประเด็นนี้อาจช่วยกำหนดว่าฟิลด์ใดควรถูกส่งต่อให้มนุษย์ตรวจสอบเป็นพิเศษ แต่ยังไม่ควรถือว่าความเห็นตรงกันของโมเดลเป็นหลักฐานว่าคำตอบถูกต้องเสมอไป
ข้อค้นพบจึงสนับสนุนการใช้ LLM เป็นเครื่องมือช่วยลดภาระการสกัดข้อมูล มากกว่าการแทนที่นักวิจัยทั้งหมด โดยเฉพาะงานที่ต้องตีความบริบทหรือใช้ดุลยพินิจ งานฉบับนี้เผยแพร่บน arXiv ในหมวด cs.AI และมีกำหนดนำเสนอในการประชุม Winter Simulation Conference 2026
การทบทวนงานวิจัยโรคจำนวนมากได้เร็วขึ้นอาจช่วยนักวิจัยและหน่วยงานสาธารณสุขไทยติดตามองค์ความรู้ได้ทันกว่าเดิม แต่ช่วงความแม่นยำที่กว้างชี้ว่าต้องมีผู้เชี่ยวชาญตรวจสอบก่อนนำผลไปใช้ตัดสินใจ