論文の概要: Designing AI-based Conversational Agent for Diabetes Care in a
Multilingual Context
- arxiv url: http://arxiv.org/abs/2105.09490v1
- Date: Thu, 20 May 2021 03:20:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 13:29:47.299326
- Title: Designing AI-based Conversational Agent for Diabetes Care in a
Multilingual Context
- Title(参考訳): 多言語文脈における糖尿病ケアのためのAIベースの会話エージェントの設計
- Authors: Thuy-Trinh Nguyen, Kellie Sim, Anthony To Yiu Kuen, Ronald R.
O'donnell, Suan Tee Lim, Wenru Wang and Hoang D. Nguyen
- Abstract要約: 我々は,既存のソリューションの限界に対処するために,人工知能(AI)を導入した健康関連CAを設計するための3つの設計原則を提案する。
提案した設計をインスタンス化し,自然音の局所的アクセントのための最先端技術を用いて,AIに基づく糖尿病治療用多言語CAであるAMANDAを開発した。
本論文は、糖尿病治療におけるCAs設計の青写真と、他の医療領域に拡張可能な具体的な設計ガイドラインを提供する。
- 参考スコア(独自算出の注目度): 2.309018557701645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conversational agents (CAs) represent an emerging research field in health
information systems, where there are great potentials in empowering patients
with timely information and natural language interfaces. Nevertheless, there
have been limited attempts in establishing prescriptive knowledge on designing
CAs in the healthcare domain in general, and diabetes care specifically. In
this paper, we conducted a Design Science Research project and proposed three
design principles for designing health-related CAs that embark on artificial
intelligence (AI) to address the limitations of existing solutions. Further, we
instantiated the proposed design and developed AMANDA - an AI-based
multilingual CA in diabetes care with state-of-the-art technologies for
natural-sounding localised accent. We employed mean opinion scores and system
usability scale to evaluate AMANDA's speech quality and usability,
respectively. This paper provides practitioners with a blueprint for designing
CAs in diabetes care with concrete design guidelines that can be extended into
other healthcare domains.
- Abstract(参考訳): 会話エージェント(CA)は、健康情報システムにおける新たな研究分野であり、タイムリーな情報と自然言語インタフェースを持つ患者に、大きな可能性を秘めている。
それにもかかわらず、医療分野全般においてcasの設計に関する規範的な知識を確立する試みは限定的であり、特に糖尿病の治療である。
本稿では,デザイン科学研究プロジェクトを実施し,既存のソリューションの限界に対処するために,ai(artificial intelligence)に着手する健康関連casを設計するための3つの設計原則を提案する。
さらに,提案する設計をインスタンス化し,自然発声アクセントのための最新技術を用いた糖尿病ケアのためのaiベースの多言語caであるamandaを開発した。
我々は,AMANDAの音声品質とユーザビリティを評価するために,平均意見スコアとシステムユーザビリティ尺度を用いた。
本稿では,糖尿病診療におけるCAs設計の青写真と,他の医療領域に拡張可能な具体的な設計ガイドラインを提供する。
関連論文リスト
- Leveraging Generative AI for Clinical Evidence Summarization Needs to
Ensure Trustworthiness [48.57739568243112]
エビデンスベースの医療は、医療の意思決定と実践を最大限に活用することで、医療の質を向上させることを約束する。
様々な情報源から得ることができる医学的証拠の急速な成長は、明らかな情報の収集、評価、合成に挑戦する。
大規模言語モデルによって実証された、生成AIの最近の進歩は、困難な作業の促進を約束する。
論文 参考訳(メタデータ) (2023-11-19T03:29:45Z) - Designing Interpretable ML System to Enhance Trustworthy AI in
Healthcare: A Systematic Review of the Last Decade to A Proposed Robust
Framework [0.49157446832511503]
本稿では、医療における解釈可能なML(IML)と説明可能なAI(XAI)のプロセスと課題についてレビューする。
本研究は,医療における堅牢な解釈可能性の重要性を実験的に確立することを目的とする。
論文 参考訳(メタデータ) (2023-11-18T12:29:18Z) - ChatGPT-HealthPrompt. Harnessing the Power of XAI in Prompt-Based
Healthcare Decision Support using ChatGPT [15.973406739758856]
本研究は,OpenAIのChatGPTを中心に,大規模言語モデル(LLM)を臨床意思決定に適用するための革新的なアプローチを提案する。
提案手法では,タスク記述,特徴記述,ドメイン知識の統合を前提とした文脈的プロンプトの利用を提案する。
論文 参考訳(メタデータ) (2023-08-17T20:50:46Z) - Artificial General Intelligence for Medical Imaging [62.116506368045606]
本稿では、医療における人工知能(AGI)モデルの可能性について検討する。
我々は,AGIモデルに臨床専門知識,ドメイン知識,マルチモーダル能力を統合することの重要性を強調した。
論文 参考訳(メタデータ) (2023-06-08T18:04:13Z) - Prompt Engineering for Healthcare: Methodologies and Applications [51.965733825188416]
医療分野の自然言語処理(NLP)分野における最近の技術進歩を紹介する。
まず,素早い工学開発の概要について概説する。
第2に、質問応答システム、テキスト要約、機械翻訳などの医療NLPアプリケーションへの重要な貢献を強調します。
論文 参考訳(メタデータ) (2023-04-28T08:03:42Z) - PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。
LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。
PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文 参考訳(メタデータ) (2023-04-27T18:29:05Z) - 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) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳(メタデータ) (2023-02-11T18:07:11Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳(メタデータ) (2022-12-08T23:23:39Z) - Natural Language Processing for Smart Healthcare [21.059050223047926]
自然言語処理(NLP)は、人間の言語を分析し理解する能力のために、スマートヘルスケアにおいて重要な役割を担っている。
我々は、技術的観点から、スマートヘルスケアで遭遇する様々なNLPタスクの機能抽出とモデリングに焦点を当てる。
NLP技術を用いたスマートヘルスケアアプリケーションという文脈では、その開発は主に、スマートヘルスケアのシナリオを代表するものである。
論文 参考訳(メタデータ) (2021-10-19T02:48:44Z) - Medical Imaging and Machine Learning [16.240472115235253]
2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。
データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。
本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
論文 参考訳(メタデータ) (2021-03-02T18:53:39Z)
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。