論文の概要: OpenClinicalAI: enabling AI to diagnose diseases in real-world clinical settings

• arxiv url: http://arxiv.org/abs/2109.04004v1
• Date: Thu, 9 Sep 2021 02:59:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-09-11 06:20:01.117706
• Title: OpenClinicalAI: enabling AI to diagnose diseases in real-world clinical settings
• Title（参考訳）: OpenClinicalAI:リアルな臨床環境でAIが病気の診断を可能にする
• Authors: Yunyou Huang, Nana Wang, Suqin Tang, Li Ma, Tianshu Hao, Zihan Jiang, Fan Zhang, Guoxin Kang, Xiuxia Miao, Xianglong Guan, Ruchang Zhang, Zhifei Zhang and Jianfeng Zhan
• Abstract要約: 我々は、研究を促進するためにリアルな臨床環境を構築するために、臨床AIBenchという名の臨床AIベンチマークを構築した。 我々はオープンでダイナミックな機械学習フレームワークを提案し、リアルな臨床環境で病気を診断するOpenClinicalAIと呼ばれるAIシステムを開発した。 実際の臨床環境では、OpenClinicalAIは最先端のAIシステムを大幅に上回っている。
• 参考スコア（独自算出の注目度）: 11.287929392365756
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper quantitatively reveals the state-of-the-art and state-of-the-practice AI systems only achieve acceptable performance on the stringent conditions that all categories of subjects are known, which we call closed clinical settings, but fail to work in real-world clinical settings. Compared to the diagnosis task in the closed setting, real-world clinical settings pose severe challenges, and we must treat them differently. We build a clinical AI benchmark named Clinical AIBench to set up real-world clinical settings to facilitate researches. We propose an open, dynamic machine learning framework and develop an AI system named OpenClinicalAI to diagnose diseases in real-world clinical settings. The first versions of Clinical AIBench and OpenClinicalAI target Alzheimer's disease. In the real-world clinical setting, OpenClinicalAI significantly outperforms the state-of-the-art AI system. In addition, OpenClinicalAI develops personalized diagnosis strategies to avoid unnecessary testing and seamlessly collaborates with clinicians. It is promising to be embedded in the current medical systems to improve medical services.
• Abstract（参考訳）: 本稿では,すべての被験者が知っているような厳密な条件下でのみ,最先端かつ実践的なAIシステムが許容できる性能を達成することを定量的に明らかにする。 クローズドセッティングにおける診断タスクと比較すると,実際の臨床環境は深刻な課題を呈し,異なる治療をしなければならない。 我々は,臨床aiベンチマークである clinical aibench を構築し,実世界の臨床設定の設定を行い,研究を促進する。 我々はオープンでダイナミックな機械学習フレームワークを提案し、リアルな臨床環境で病気を診断するOpenClinicalAIと呼ばれるAIシステムを開発した。 AIBenchとOpenClinicalAIの最初のバージョンはアルツハイマー病をターゲットにしている。 実際の臨床環境では、OpenClinicalAIは最先端のAIシステムを大幅に上回っている。 さらに、OpenClinicalAIは、不要なテストを避けるためにパーソナライズされた診断戦略を開発し、臨床医とシームレスに協力する。 現在の医療システムに組み込んで医療サービスを改善することを約束している。

関連論文リスト

• ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
  ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。 本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。 実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
  論文  参考訳（メタデータ） (2025-12-29T12:58:58Z)
• AI-Powered Dermatological Diagnosis: From Interpretable Models to Clinical Implementation A Comprehensive Framework for Accessible and Trustworthy Skin Disease Detection [0.0]
  家族歴は皮膚疾患の感受性と治療反応に影響を与えるが、診断過程においてしばしば利用されない。 我々は、ディープラーニングに基づく画像解析と構造化された臨床データを組み合わせた総合的なマルチモーダルAIフレームワークを開発した。 本手法では,遺伝リスク因子を含む臨床決定木と統合された解釈可能な畳み込みニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2025-12-18T06:28:51Z)
• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
  大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。 本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。 本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
  論文  参考訳（メタデータ） (2025-10-11T16:24:35Z)
• Ensemble Deep Learning and LLM-Assisted Reporting for Automated Skin Lesion Diagnosis [2.9307254086347427]
  皮膚科診断のためのAI統合を再定義する統合フレームワークを導入する。 第一に、アーキテクチャ的に多様である畳み込みニューラルネットワークの目的的にヘテロジニアスなアンサンブルは、相補的な診断の視点を提供する。 第2に、診断ワークフローに直接大きな言語モデル機能を組み込んで、分類出力を臨床的に意味のある評価に変換する。
  論文  参考訳（メタデータ） (2025-10-05T08:07:33Z)
• Reverse Physician-AI Relationship: Full-process Clinical Diagnosis Driven by a Large Language Model [71.40113970879219]
  医師とAIの関係を逆転させるパラダイムシフトを提案する。 DxDirector-7Bは先進的な深層思考能力を持つLLMであり,医師の関与を最小限に抑えたフルプロセス診断を可能にする。 DxDirector-7Bは診断精度が優れているだけでなく、医師の作業量を大幅に削減する。
  論文  参考訳（メタデータ） (2025-08-14T09:51:20Z)
• Revolutionizing Clinical Trials: A Manifesto for AI-Driven Transformation [28.619499555811363]
  このマニフェストは、医薬品、コンサルティング会社、臨床研究、AIのリーダーたちによる協力的なビジョンを表している。 因果推論とデジタル双生児という2つのAI技術のロードマップを概説し、臨床試験を変革し、より速く、より安全で、よりパーソナライズされた結果を提供する。
  論文  参考訳（メタデータ） (2025-06-10T15:45:19Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice through Interactive Sequential Benchmarking [58.25862290294702]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• Framework for developing and evaluating ethical collaboration between expert and machine [4.304304889487245]
  精密医療は、アクセス可能な疾患診断とパーソナライズされた介入計画のための有望なアプローチである。 人工知能(AI)を活用することで、精密医療は個々の患者に対する診断と治療ソリューションを調整する。 しかし、医療応用におけるAIの採用は重大な課題に直面している。 本稿では,専門家誘導型マルチモーダルAIの開発と倫理的評価を行う枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-17T06:49:38Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。 本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。 その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• Establishing Rigorous and Cost-effective Clinical Trials for Artificial Intelligence Models [18.240773244542474]
  人工知能(AI)と医学における臨床実践の間には大きなギャップが残っている。 最先端および最先端のAIモデル評価は、医療データセットの研究室研究や、患者中心または患者中心のコントロールを持たない直接臨床試験に限られる。 臨床実習におけるAIモデルの厳格かつ費用対効果評価手法の重要性を初めて強調する。
  論文  参考訳（メタデータ） (2024-07-11T14:37:08Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)
• FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
  医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。 この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
  論文  参考訳（メタデータ） (2023-08-11T10:49:05Z)
• OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis [11.775648630734949]
  アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。 AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。 複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
  論文  参考訳（メタデータ） (2023-07-03T12:35:03Z)
• AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
  本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。 我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。 我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
  論文  参考訳（メタデータ） (2022-10-21T16:31:46Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• An Overview on the Web of Clinical Data [12.52352583112911]
  Web of Clinical Data (WCD) は、臨床ハイパーリンクデータの普遍的なリポジトリである。 WCDは、医療に対するAIアプローチとその効果を劇的に変えるだろう。
  論文  参考訳（メタデータ） (2020-08-14T17:34:05Z)
• Bridging the gap between AI and Healthcare sides: towards developing clinically relevant AI-powered diagnosis systems [18.95904791202457]
  医療・インフォマティクスにおける医療画像の専門家,医師,ジェネラリストを対象に,臨床的に価値のあるAI研究ワークショップを開催した。 そこで, 医師を対象としたアンケート調査により, データ拡張と医師養成の観点から, GANに基づく画像拡張プロジェクトを評価した。
  論文  参考訳（メタデータ） (2020-01-12T12:45:46Z)

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。