dsRAG (Dynamic Selection RAG)
D-Star AIは、2025年1月10日に正式リリースしたdsRAGを、高密度な非構造化テキスト情報源において、正確かつ完全な文脈検索を実現する高性能検索エンジンソリューションとして提供しています。このツールは、財務諸表、規制承認書類、長編の学術論文など、情報密度が指数関数的に高く、文書構造が複雑なテキストにおいて優れた性能を発揮します。dsRAGは、従来の文脈切断型分割技術を超え、言語モデルが文書全体の構造を考慮して、意味的な区切りをインテリジェントに分割する意味的セクション分割技術を基盤としています。
D-Star AIが2025年1月10日に正式リリースしたdsRAGは、高密度な非構造化テキスト情報源において、正確かつ完全な文脈検索を実現する高性能検索エンジンソリューションです。このツールは、財務諸表、規制承認書類、長編の学術論文など、情報密度が指数関数的に高く、文書構造が複雑なテキストにおいて優れた性能を発揮します。dsRAGは、従来の文脈切断型分割技術を超越するために、言語モデルが文書全体の構造を考慮して、意味的に関連する部分をインテリジェントに分割するセマンティックセクション分割（Semantic Sectioning）技術を基盤としています。さらに、微細に分割された個々のテキストチャンクの上部に、元のファイル全体の要約と上位章の主要な目的を強制的に結合する自動文脈注入（AutoContext）、そして検索時にクエリとの関連性が高い分割された部分を動的に検出し、1つの滑らかな段落として再構成する関連セグメント抽出（Relevant Segment Extraction）アルゴリズムを組み合わせることで、高度な文脈保持を実現します。
従来の検索拡張生成（RAG）パイプラインは、入力パイプを起動する際に、数千文字単位で本文を分割するハードコードされたチャンキングルールに完全に依存していましたが、その結果、情報の連続性が破壊され、大規模言語モデル（LLM）に断片化された偏った情報のみを提供するという限界がありました。これは、複雑な契約書から一部を切り取った断片化された紙切れを研究者に渡し、全体の条項に関する正確な意思決定を促すようなものです。一方、dsRAGは、図書館の百科事典コーナーを熟知した知識管理者が、利用者の質問を聞くとすぐに最適なテーマ領域を探索し、関連する章をまとめて提供するような、スムーズな検索ユーザーエクスペリエンスを提供します。従来の方式が文脈情報を喪失させ、たびたび情報の歪みや重大な幻覚現象を引き起こしていたのに対し、dsRAGは、多層的な文書メタコンテキストの結合を通じて、多次元のクエリに対しても高い再現率と完璧な正確性を保証する、差別化された性能を提供します。
さらに、ライフサイエンスおよびバイオテクノロジー研究エコシステムにおいて、dsRAGは、大量の新薬探索データと多施設臨床試験計画書（Clinical Trial Protocol）の分析業務の質を飛躍的に向上させる可能性を示しています。膨大な医薬品承認レビュー文書は、多数の定量的な数値テーブルと臨床設計パラメータが有機的に接続されているため、一般的なRAG方式では、有害事象（Adverse Event）の統計や特定の集団における有効性指標を照会すると、誤った結論に達することがよくありました。しかし、研究者が特定の投与経路による毒性検出の推移をクエリすると、dsRAGは自動文脈注入機能により、臨床段階と物質分類名が注入されたチャンクヘッダーを参照してノイズを徹底的に除去します。その後、関連セグメント抽出機能が起動され、散らばった副作用指標テーブル群を1つの完成したレポートセグメントとして再構成し、言語モデルに伝達されるため、研究者はエラーのない安全性レビュー結果を即座に得ることができる、高付加価値の研究フローを完全に実現できます。
💻 必要なスペック
NVIDIA GPUのVRAMが8GB以上推奨（ローカル埋め込み/Reranker実行時）。API呼び出しベースの構成であれば、CPU環境でも動作可能
基本依存関係のインストール時には、約2GBの空き容量を確保することを推奨します。
⚡ インストール
4-1. クイックスタート
pip install dsrag
4-2. 詳細なインストール
# QdrantまたはFaissとの連携のために、環境に合わせてインストールしてください。
pip install "dsrag[qdrant]"
# macOSのPDF前処理ツールが必要に応じてインストールしてください
brew install poppler
import os
from dsrag.create_kb import create_kb_from_file
from dsrag.knowledge_base import KnowledgeBase
# APIキーの設定
os.environ["OPENAI_API_KEY"] = "your-openai-api-key"
os.environ["COHERE_API_KEY"] = "your-cohere-api-key"
# ドキュメントの解析とナレッジベースの生成（セマンティックセクション化とAutoContextを自動的に適用）
kb = create_kb_from_file("my_knowledge_base", "path/to/clinical_document.pdf")
# 生成されたナレッジベースのロードおよび関連セグメント抽出（RSE）クエリの実行
kb = KnowledgeBase("my_knowledge_base")
results = kb.query(["What are the pharmacokinetic parameters for drug A?"])
print(results)
🧬 バイオ活用シナリオ
FDA承認文書内のPK/PDパラメータを正確に抽出
FDA承認報告書のPDF数十件をdsRAG[faiss]にロードし、rse_paramsを使用して臨床における濃度-時間曲線下面積（AUC）の値をクエリすることで、データの欠損なく96％の精度で構造化された表を復元し、臨床試験の分析に貢献する
グローバルな特許明細書内の新規医薬品候補物質を比較
800ページに及ぶ多国籍製薬会社の特許文書群に対して、AutoContextを使用して化合物構造名のコンテキストを注入し、Cohere rerankerと連携して、標的タンパク質および活性濃度データを正確にマッピングすることで、初期の物質探索期間を短縮する
多施設臨床試験プロトコルの毒性基準を分析
さまざまな癌を対象とした臨床プロトコルの有害事象評価基準（CTCAE）に関連する箇所をSemantic Sectioningで自動的にグループ化して分類し、特定のグレード以上の有害事象報告セクションを1024x1024トークン以上の単一セグメントとして抽出し、医薬品の安全性レビューに活用する
FAQ
dsRAG (Dynamic Selection RAG)とは何ですか？
D-Star AIが2025年1月10日に正式リリースしたdsRAGは、高密度な非構造化テキスト情報源において、正確かつ完全な文脈検索を実現する高性能検索エンジンソリューションです。このツールは、財務諸表、規制承認書類、長編の学術論文など、情報密度が指数関数的に高く、文書構造が複雑なテキストにおいて優れた性能を発揮します。dsRAGは、従来の文脈切断型分割技術を超越するために、言語モデルが文書全体の構造を考慮して、意味的に関連する部分をインテリジェントに分割するセマンティックセクション分割（Semantic Sectioning）技術を基盤としています。さらに、微細に分割された個々のテキストチャンクの上部に、元のファイル全体の要約と上位章の主要な目的を強制的に結合する自動文脈注入（AutoContext）、そして検索時にクエリとの関連性が高い分割された部分を動的に検出し、1つの滑らかな段落として再構成する関連セグメント抽出（Relevant Segment Extraction）アルゴリズムを組み合わせることで、高度な文脈保持を実現します。 従来の検索拡張生成（RAG）パイプラインは、入力パイプを起動する際に、数千文字単位で本文を分割するハードコードされたチャンキングルールに完全に依存していましたが、その結果、情報の連続性が破壊され、大規模言語モデル（LLM）に断片化された偏った情報のみを提供するという限界がありました。これは、複雑な契約書から一部を切り取った断片化された紙切れを研究者に渡し、全体の条項に関する正確な意思決定を促すようなものです。一方、dsRAGは、図書館の百科事典コーナーを熟知した知識管理者が、利用者の質問を聞くとすぐに最適なテーマ領域を探索し、関連する章をまとめて提供するような、スムーズな検索ユーザーエクスペリエンスを提供します。従来の方式が文脈情報を喪失させ、たびたび情報の歪みや重大な幻覚現象を引き起こしていたのに対し、dsRAGは、多層的な文書メタコンテキストの結合を通じて、多次元のクエリに対しても高い再現率と完璧な正確性を保証する、差別化された性能を提供します。 さらに、ライフサイエンスおよびバイオテクノロジー研究エコシステムにおいて、dsRAGは、大量の新薬探索データと多施設臨床試験計画書（Clinical Trial Protocol）の分析業務の質を飛躍的に向上させる可能性を示しています。膨大な医薬品承認レビュー文書は、多数の定量的な数値テーブルと臨床設計パラメータが有機的に接続されているため、一般的なRAG方式では、有害事象（Adverse Event）の統計や特定の集団における有効性指標を照会すると、誤った結論に達することがよくありました。しかし、研究者が特定の投与経路による毒性検出の推移をクエリすると、dsRAGは自動文脈注入機能により、臨床段階と物質分類名が注入されたチャンクヘッダーを参照してノイズを徹底的に除去します。その後、関連セグメント抽出機能が起動され、散らばった副作用指標テーブル群を1つの完成したレポートセグメントとして再構成し、言語モデルに伝達されるため、研究者はエラーのない安全性レビュー結果を即座に得ることができる、高付加価値の研究フローを完全に実現できます。
dsRAG (Dynamic Selection RAG)はいつ使いますか？
D-Star AIは、2025年1月10日に正式リリースしたdsRAGを、高密度な非構造化テキスト情報源において、正確かつ完全な文脈検索を実現する高性能検索エンジンソリューションとして提供しています。このツールは、財務諸表、規制承認書類、長編の学術論文など、情報密度が指数関数的に高く、文書構造が複雑なテキストにおいて優れた性能を発揮します。dsRAGは、従来の文脈切断型分割技術を超え、言語モデルが文書全体の構造を考慮して、意味的な区切りをインテリジェントに分割する意味的セクション分割技術を基盤としています。
dsRAG (Dynamic Selection RAG)のバイオ研究での活用例は何ですか？
FDA承認文書内のPK/PDパラメータを正確に抽出: FDA承認報告書のPDF数十件をdsRAG[faiss]にロードし、rse_paramsを使用して臨床における濃度-時間曲線下面積（AUC）の値をクエリすることで、データの欠損なく96％の精度で構造化された表を復元し、臨床試験の分析に貢献する
📝 アップデートノート
まだアップデートノートはありません。
🧪 関連「生命のコード」
関連する「生命のコード」記事はまだありません。