論文の概要: Lightweight Mobile Automated Assistant-to-physician for Global Lower-resource Areas

• arxiv url: http://arxiv.org/abs/2110.15127v1
• Date: Thu, 28 Oct 2021 14:02:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-29 14:49:54.106599
• Title: Lightweight Mobile Automated Assistant-to-physician for Global Lower-resource Areas
• Title（参考訳）: グローバル低リソース地域のための軽量モバイル・アシスタント・ツー・フィジカル
• Authors: Chao Zhang, Hanxin Zhang, Atif Khan, Ted Kim, Olasubomi Omoleye, Oluwamayomikun Abiona, Amy Lehman, Christopher O. Olopade, Olufunmilayo I. Olopade, Pedro Lopes, Andrey Rzhetsky
• Abstract要約: 我々は、低リソース地域の医療提供者を支援する人工知能アシスタントを設計し、人口統計と医療サイン/症状データを文書化しました。 このアプリケーションは患者から基本情報を収集し、プライマリ・ケア・プロバイダーに診断と処方薬の提案を提供する。
• 参考スコア（独自算出の注目度）: 9.978987200997686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Importance: Lower-resource areas in Africa and Asia face a unique set of healthcare challenges: the dual high burden of communicable and non-communicable diseases; a paucity of highly trained primary healthcare providers in both rural and densely populated urban areas; and a lack of reliable, inexpensive internet connections. Objective: To address these challenges, we designed an artificial intelligence assistant to help primary healthcare providers in lower-resource areas document demographic and medical sign/symptom data and to record and share diagnostic data in real-time with a centralized database. Design: We trained our system using multiple data sets, including US-based electronic medical records (EMRs) and open-source medical literature and developed an adaptive, general medical assistant system based on machine learning algorithms. Main outcomes and Measure: The application collects basic information from patients and provides primary care providers with diagnoses and prescriptions suggestions. The application is unique from existing systems in that it covers a wide range of common diseases, signs, and medication typical in lower-resource countries; the application works with or without an active internet connection. Results: We have built and implemented an adaptive learning system that assists trained primary care professionals by means of an Android smartphone application, which interacts with a central database and collects real-time data. The application has been tested by dozens of primary care providers. Conclusions and Relevance: Our application would provide primary healthcare providers in lower-resource areas with a tool that enables faster and more accurate documentation of medical encounters. This application could be leveraged to automatically populate local or national EMR systems.
• Abstract（参考訳）: 重要性: アフリカとアジアの低リソース地域は、通信不能と通信不能の2つの重荷、農村部と人口密度の高い都市部における高度に訓練されたプライマリヘルスケアプロバイダの質、信頼性と安価なインターネット接続の欠如といった、ユニークな医療上の課題に直面している。 目的: これらの課題に対処するために,我々は,低リソース地域の主要医療提供者が人口統計と医療サイン/シンプトムデータを文書化し,診断データを集中型データベースとリアルタイムに記録・共有することを支援する人工知能アシスタントを設計した。 設計:米国ベースの電子医療記録(EMR)やオープンソース医療文献などを含む複数のデータセットを用いてシステムを訓練し,機械学習アルゴリズムに基づく適応型一般医療支援システムを開発した。 主な成果と測定方法: アプリケーションは患者から基本情報を収集し、プライマリケアプロバイダに診断と処方薬の提案を提供する。 アプリケーションは、低リソース国で典型的な幅広い共通疾患、徴候、薬物をカバーし、アクティブなインターネット接続の有無に関わらず動作する。 結果:我々は,中央データベースと対話し,リアルタイムデータを収集するandroidスマートフォンアプリケーションを用いて,訓練を受けたプライマリケア専門家を支援する適応学習システムを構築し,実装した。 このアプリケーションは、数十のプライマリケアプロバイダによってテストされている。 結論と関連性: 当社のアプリケーションは、低リソース領域のプライマリヘルスケアプロバイダに、より高速で正確な医療遭遇のドキュメンテーションを可能にするツールを提供するでしょう。 このアプリケーションは、ローカルまたは国家のEMRシステムを自動的に起動するために利用することができる。

関連論文リスト

• IMAS: A Comprehensive Agentic Approach to Rural Healthcare Delivery [0.0]
  本稿では,農村部における医療提供の改善を目的としたエージェント・メディカル・アシスタントシステムを提案する。 このシステムは、翻訳、医療複雑性評価、専門家ネットワークの統合、応答単純化の5つの重要なコンポーネントで構成されている。 MedQA,PubMedQAおよびJAMAデータセットを用いた評価結果は、この統合アプローチが農村の医療従事者の有効性を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2024-10-13T23:07:11Z)
• FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
  FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2024-08-17T15:18:56Z)
• 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)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• 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)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• 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)
• Multilingual Medical Question Answering and Information Retrieval for Rural Health Intelligence Access [1.0499611180329804]
  いくつかの発展途上国の農村部では、高品質な医療、医療インフラ、専門的診断へのアクセスはほとんど利用できない。 このような医療アクセスの欠如、患者の以前の健康記録の欠如、および先住民語での情報の置換によるいくつかの死を、容易に防ぐことができる。 本稿では,機械学習とNLP(Natural Language Processing)技術における現象の進展を利用して,低リソース・多言語・予備的ファーストポイント・オブ・コンタクト・メディカルアシスタントを設計するアプローチについて述べる。
  論文  参考訳（メタデータ） (2021-06-02T16:05:24Z)
• Artificial Intelligence Decision Support for Medical Triage [0.0]
  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。
  論文  参考訳（メタデータ） (2020-11-09T16:45:01Z)
• A Data-Efficient Deep Learning Based Smartphone Application For Detection Of Pulmonary Diseases Using Chest X-rays [0.0]
  アプリはモバイルカメラから撮影したChest X-Rayイメージを入力し、クラウドプラットフォームのAIアーキテクチャにリレーする。 スマートフォンの医師はこのアプリケーションを利用すれば、新型コロナウイルス(COVID-19)の診断に要する時間を大幅に節約できる。
  論文  参考訳（メタデータ） (2020-08-19T04:28:17Z)
• CPAS: the UK's National Machine Learning-based Hospital Capacity Planning System for COVID-19 [111.69190108272133]
  新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。 病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。 CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
  論文  参考訳（メタデータ） (2020-07-27T19:39:13Z)

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。