論文の概要: Artificial Intelligence Decision Support for Medical Triage
- arxiv url: http://arxiv.org/abs/2011.04548v1
- Date: Mon, 9 Nov 2020 16:45:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 23:59:14.501767
- Title: Artificial Intelligence Decision Support for Medical Triage
- Title（参考訳）: 医用トリアージのための人工知能決定支援
- Authors: Chiara Marchiori, Douglas Dykeman, Ivan Girardi, Adam Ivankay, Kevin
Thandiackal, Mario Zusag, Andrea Giovannini, Daniel Karpati, Henri Saenz
- Abstract要約: 我々はトリアージシステムを開発し、現在、ヨーロッパ最大の遠隔医療プロバイダーで使用中である。
本システムは,モバイルアプリケーションを用いた患者とのインタラクションを通じて,ケア代替案の評価を行う。
最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applying state-of-the-art machine learning and natural language processing on
approximately one million of teleconsultation records, we developed a triage
system, now certified and in use at the largest European telemedicine provider.
The system evaluates care alternatives through interactions with patients via a
mobile application. Reasoning on an initial set of provided symptoms, the
triage application generates AI-powered, personalized questions to better
characterize the problem and recommends the most appropriate point of care and
time frame for a consultation. The underlying technology was developed to meet
the needs for performance, transparency, user acceptance and ease of use,
central aspects to the adoption of AI-based decision support systems. Providing
such remote guidance at the beginning of the chain of care has significant
potential for improving cost efficiency, patient experience and outcomes. Being
remote, always available and highly scalable, this service is fundamental in
high demand situations, such as the current COVID-19 outbreak.
- Abstract（参考訳）: 約100万件のテレコンサルテーション記録に最先端の機械学習と自然言語処理を適用し,ヨーロッパ最大の遠隔医療プロバイダで認証・使用されているトリアージシステムを開発した。
本システムはモバイルアプリケーションを介して患者とのインタラクションを通じてケア代替案を評価する。
最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別し、相談のための最も適切なケアポイントと時間枠を推奨する。
基盤となる技術は、パフォーマンス、透明性、ユーザの受け入れと使いやすさ、AIベースの意思決定支援システムの採用の中心的な側面を満たすために開発された。
ケアの連鎖の始めにこのような遠隔指導を提供することは、コスト効率、患者の経験、成果を改善する大きな可能性を秘めている。
リモートで、常に利用可能で、高度にスケーラブルなこのサービスは、現在の新型コロナウイルスの流行など、需要の高い状況において基本である。
関連論文リスト
- Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments [0.0]
本研究は, 患者トリアージ, 治療計画, 救急管理全般において, LLM駆動型CDSSを用いて, ED医師や看護師を支援することを目的とするものである。
このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。
トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
論文 参考訳（メタデータ） (2024-08-14T13:03:41Z) - Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳（メタデータ） (2023-10-28T12:08:03Z) - Clinical Decision Support System for Unani Medicine Practitioners [0.0]
提案システムは,患者の症状を入力するためのWebベースのインターフェースを提供する。
このシステムにより、患者は最も可能性の高い疾患を選択し、関連する治療法を遠隔で患者に知らせることができる。
論文 参考訳（メタデータ） (2023-10-24T13:49:18Z) - Applying Artificial Intelligence to Clinical Decision Support in Mental
Health: What Have We Learned? [0.0]
本稿では,近年開発されたAI-CDSSであるAifred Healthを事例として,うつ病における治療の選択と管理を支援する。
我々は、このAI-CDSSの開発およびテスト中にもたらされた原則と、実装を容易にするために開発された実践的ソリューションの両方を考慮する。
論文 参考訳（メタデータ） (2023-03-06T21:40:51Z) - Understanding how the use of AI decision support tools affect critical
thinking and over-reliance on technology by drug dispensers in Tanzania [0.0]
薬局のディスペンサーは、提示された臨床症例のヴィグネットの鑑別診断を決定するとき、AI技術を使用していた。
私たちは、AIがその決定について説明を提供していない場合でも、ディスペンサーがAIによる決定に頼っていたことを発見した。
論文 参考訳（メタデータ） (2023-02-19T05:59:06Z) - HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare [89.8799665638295]
近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。
コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。
実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
論文 参考訳（メタデータ） (2023-01-25T09:25:08Z) - What Do End-Users Really Want? Investigation of Human-Centered XAI for
Mobile Health Apps [69.53730499849023]
説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。
分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。
私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
論文 参考訳（メタデータ） (2022-10-07T12:51:27Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳（メタデータ） (2021-06-08T10:38:09Z) - Edge Computing For Smart Health: Context-aware Approaches,
Opportunities, and Challenges [13.506100532943162]
スマートヘルスケア(s-health)を実現する上で最も有望なアプローチは、エッジコンピューティング機能と次世代無線ネットワーク技術である。
我々はMECベースのアーキテクチャを構想し、ネットワーク内およびコンテキスト対応処理を実現する上でのメリットについて論じる。
このようなアーキテクチャを活用して効率的なデータ配信を実現する2つの主要な機能を示す。
論文 参考訳（メタデータ） (2020-04-15T19:50:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。