論文の概要: Demo Alleviate: Demonstrating Artificial Intelligence Enabled Virtual
Assistance for Telehealth: The Mental Health Case
- arxiv url: http://arxiv.org/abs/2304.00025v1
- Date: Fri, 31 Mar 2023 16:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 20:06:58.873750
- Title: Demo Alleviate: Demonstrating Artificial Intelligence Enabled Virtual
Assistance for Telehealth: The Mental Health Case
- Title(参考訳): demo alleviate: 人工知能による遠隔医療の仮想支援のデモ: the mental health case
- Authors: Kaushik Roy, Vedant Khandelwal, Raxit Goswami, Nathan Dolbir, Jinendra
Malekar, Amit Sheth
- Abstract要約: そこで我々は、パーソナライズされたケアでメンタルヘルスの課題を抱える患者を援助し、患者をよりよく理解する臨床医を支援するために、Aleviateを提案する。
Alleviateは、臨床で有効なメンタルヘルスのテキストとデータベースを公開して、医学的に健全で情報的な意思決定を可能にする。
本稿では、Alleviateの異なるモジュールを説明し、患者と臨床医がお互いをよりよく理解するためのAlleviateの能力を示す短いビデオを提出する。
- 参考スコア(独自算出の注目度): 20.602347045884617
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: After the pandemic, artificial intelligence (AI) powered support for mental
health care has become increasingly important. The breadth and complexity of
significant challenges required to provide adequate care involve: (a)
Personalized patient understanding, (b) Safety-constrained and medically
validated chatbot patient interactions, and (c) Support for continued
feedback-based refinements in design using chatbot-patient interactions. We
propose Alleviate, a chatbot designed to assist patients suffering from mental
health challenges with personalized care and assist clinicians with
understanding their patients better. Alleviate draws from an array of publicly
available clinically valid mental-health texts and databases, allowing
Alleviate to make medically sound and informed decisions. In addition,
Alleviate's modular design and explainable decision-making lends itself to
robust and continued feedback-based refinements to its design. In this paper,
we explain the different modules of Alleviate and submit a short video
demonstrating Alleviate's capabilities to help patients and clinicians
understand each other better to facilitate optimal care strategies.
- Abstract(参考訳): パンデミック後、人工知能(AI)によるメンタルヘルス支援がますます重要になっている。
適切なケアを提供するために必要な重要な課題の幅と複雑さ。
(a)パーソナライズされた患者理解
ロ チャットボット患者との相互作用の安全性の制限及び医学的検証
(c)チャットボットと患者とのインタラクションを用いた設計における継続的なフィードバックに基づく改善支援。
そこで本研究では,精神疾患に苦しむ患者をパーソナライズケアで支援し,臨床医が患者の理解を深めるためのチャットボットであるalleviateを提案する。
Alleviateは、臨床で有効なメンタルヘルスのテキストとデータベースを公開して、医療的に健全で情報的な意思決定を可能にする。
さらに、alleviateのモジュラーデザインと説明可能な意思決定は、その設計に堅牢で継続的なフィードバックベースの改良をもたらす。
本稿では, Alleviate の異なるモジュールについて解説し, 患者と臨床医がお互いをよりよく理解し, 最適なケア戦略を促進する上での Alleviate の機能を示す短いビデオを提出する。
関連論文リスト
- Yes, this is what I was looking for! Towards Multi-modal Medical
Consultation Concern Summary Generation [46.42604861624895]
マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。
患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。
マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
論文 参考訳(メタデータ) (2024-01-10T12:56:47Z) - A General-purpose AI Avatar in Healthcare [1.5081825869395544]
本稿では、医療におけるチャットボットの役割に焦点を当て、AIインタラクションをより患者にアピールするためのアバターの使用について検討する。
汎用AIアバターアプリケーションのフレームワークを3カテゴリのプロンプト辞書とプロンプト改善機構を用いて実証する。
2段階のアプローチでは、汎用AI言語モデルを微調整し、異なるAIアバターを作成して、ユーザと医療上の問題について議論することが提案されている。
論文 参考訳(メタデータ) (2024-01-10T03:44:15Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳(メタデータ) (2023-10-11T02:47:21Z) - MindfulDiary: Harnessing Large Language Model to Support Psychiatric
Patients' Journaling [16.929899228710852]
私たちはMindfulDiaryという,Large Language Model(LLM)を組み込んだモバイルジャーナリングアプリを紹介した。
その結果、MindfulDiaryは毎日の記録を継続的に充実させ、精神科医が自分の思考や日常の文脈を理解することで、患者に共感しやすくすることを支援した。
論文 参考訳(メタデータ) (2023-10-08T17:00:04Z) - PaniniQA: Enhancing Patient Education Through Interactive Question
Answering [25.717709820995367]
PaniniQAは、患者の退院指示を理解するために設計された、患者中心の対話型質問応答システムである。
パニーニQAは、まず患者の退院指示から重要な臨床内容を特定し、その後、患者固有の教育的質問を定式化する。
論文 参考訳(メタデータ) (2023-08-07T02:18:23Z) - MentalHealthAI: Utilizing Personal Health Device Data to Optimize
Psychiatry Treatment [1.696974372855528]
メンタルヘルス障害は現代医療において重要な課題であり、診断と治療はしばしば主観的な患者の記述と過去の医療史に依存している。
本研究では,個人健康デバイスを通じて収集された患者の生理的データを利用する,個別のメンタルヘルストラッキングと気分予測システムを提案する。
論文 参考訳(メタデータ) (2023-07-09T22:30:47Z) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳(メタデータ) (2023-03-23T04:47:46Z) - 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) - VBridge: Connecting the Dots Between Features, Explanations, and Data
for Healthcare Models [85.4333256782337]
VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。
我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。
症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
論文 参考訳(メタデータ) (2021-08-04T17:34:13Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳(メタデータ) (2021-06-15T22:06:39Z)
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。