論文の概要: Machine Learning Applications In Healthcare: The State Of Knowledge and Future Directions

• arxiv url: http://arxiv.org/abs/2307.14067v1
• Date: Wed, 26 Jul 2023 09:34:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-27 12:49:04.756098
• Title: Machine Learning Applications In Healthcare: The State Of Knowledge and Future Directions
• Title（参考訳）: 医療における機械学習応用:知識の現状と今後の方向性
• Authors: Mrinmoy Roy, Sarwar J. Minar, Porarthi Dhar, A T M Omor Faruq
• Abstract要約: 本研究の目的は,医療分野のさまざまな分野におけるML応用を簡潔かつ効果的に収集することであった。 本研究は,地域レベルでの作業,リスク管理・予防ケア,医療運用管理,遠隔医療,早期発見の5つのグループに分けた。 我々の目標は、医療産業におけるML適用性について人々に知らせ、臨床医の機械学習応用に関する知識ギャップを減らし、より機械学習ベースの医療システムに医療専門家を動機付けることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detection of easily missed hidden patterns with fast processing power makes machine learning (ML) indispensable to today's healthcare system. Though many ML applications have already been discovered and many are still under investigation, only a few have been adopted by current healthcare systems. As a result, there exists an enormous opportunity in healthcare system for ML but distributed information, scarcity of properly arranged and easily explainable documentation in related sector are major impede which are making ML applications difficult to healthcare professionals. This study aimed to gather ML applications in different areas of healthcare concisely and more effectively so that necessary information can be accessed immediately with relevant references. We divided our study into five major groups: community level work, risk management/ preventive care, healthcare operation management, remote care, and early detection. Dividing these groups into subgroups, we provided relevant references with description in tabular form for quick access. Our objective is to inform people about ML applicability in healthcare industry, reduce the knowledge gap of clinicians about the ML applications and motivate healthcare professionals towards more machine learning based healthcare system.
• Abstract（参考訳）: 高速な処理能力で簡単に紛失した隠れパターンの検出は、今日の医療システムに機械学習(ML)が不可欠である。 多くのMLアプリケーションがすでに発見されており、その多くはまだ調査中であるが、現在の医療システムで採用されているものはほとんどない。 その結果、MLの医療システムには大きなチャンスがあるが、分散情報、適切に整理されたドキュメントの不足、関連分野における説明が容易なドキュメントが大きな障害となり、医療専門家にとってMLの応用が困難になる。 本研究の目的は,医療分野のさまざまな分野のMLアプリケーションを簡潔かつ効果的に収集し,必要な情報を関連文献で即座にアクセスできるようにすることである。 本研究は,地域レベルでの作業,リスク管理・予防ケア,医療運用管理,遠隔医療,早期発見の5つのグループに分けた。 これらのグループをサブグループに分割し,簡単なアクセスのための表形式で記述した関連資料を提供した。 我々の目標は、医療産業におけるML適用性について人々に知らせ、臨床医の機械学習応用に関する知識ギャップを減らし、より機械学習ベースの医療システムにヘルスケア専門家を動機付けることである。

関連論文リスト

• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
  本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。 このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
  論文  参考訳（メタデータ） (2024-03-11T10:57:45Z)
• Large language models in healthcare and medical domain: A review [4.456243157307507]
  大規模言語モデル(LLM)は、自由テキストクエリに対する熟練した応答を提供する。 このレビューでは、多様な医療応用の効率性と効果を増幅するLLMの可能性について考察する。
  論文  参考訳（メタデータ） (2023-12-12T20:54:51Z)
• A Survey of Large Language Models in Medicine: Progress, Application, and Challenge [85.09998659355038]
  大規模言語モデル (LLM) は、人間の言語を理解し、生成する能力のために大きな注目を集めている。 本総説は,医学におけるLSMの開発と展開について概説することを目的としている。
  論文  参考訳（メタデータ） (2023-11-09T02:55:58Z)
• Large Language Models Illuminate a Progressive Pathway to Artificial Healthcare Assistant: A Review [16.008511195589925]
  大規模言語モデル(LLM)は、人間のレベルの言語理解と推論を模倣する有望な能力を示している。 本稿では,医学におけるLSMの応用と意義について概説する。
  論文  参考訳（メタデータ） (2023-11-03T13:51:36Z)
• LLMs-Healthcare : Current Applications and Challenges of Large Language Models in various Medical Specialties [0.7673339435080445]
  本稿では,医療分野におけるLarge Language Models(LLMs)の最近の進歩を概観する。 LLMは、医師、医療提供者、患者を含む医療支援において重要な役割を担っている。 LLMががん治療、皮膚科、歯科医療、神経変性疾患、精神保健にどのように応用されているか、私たちは光を当てました。
  論文  参考訳（メタデータ） (2023-10-28T01:01:30Z)
• Redefining Digital Health Interfaces with Large Language Models [69.02059202720073]
  大規模言語モデル(LLM)は、複雑な情報を処理できる汎用モデルとして登場した。 LLMが臨床医とデジタル技術との新たなインターフェースを提供する方法を示す。 自動機械学習を用いた新しい予後ツールを開発した。
  論文  参考訳（メタデータ） (2023-10-05T14:18:40Z)
• Large language models in medicine: the potentials and pitfalls [20.419827231982623]
  大規模言語モデル(LLM)は、医学的検査の質問から患者の質問への回答まで、医療のタスクに適用されている。 本総説は, 医療従事者を対象に, 医療現場におけるLCMの急速な変化状況を理解する上で, 医療実践者を支援することを目的としている。
  論文  参考訳（メタデータ） (2023-08-31T19:06:39Z)
• ChatCAD: Interactive Computer-Aided Diagnosis on Medical Image using Large Language Models [53.73049253535025]
  大規模言語モデル(LLM)は、最近臨床応用においてその可能性を実証している。 本稿では,LLMを医療画像CADネットワークに統合する手法を提案する。 LLMの医用領域知識と論理的推論の強みを、既存の医用画像CADモデルの視覚理解能力と融合させることが目的である。
  論文  参考訳（メタデータ） (2023-02-14T18:54:06Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Secure and Robust Machine Learning for Healthcare: A Survey [5.7890697111442435]
  本稿では、セキュリティとプライバシの観点から機械学習技術を活用する医療における様々な応用分野の概要を紹介する。 さらに,医療アプリケーションに対して,安全かつプライバシ保護のMLを実現するための潜在的手法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T08:12:36Z)

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。