論文の概要: NLP for Maternal Healthcare: Perspectives and Guiding Principles in the
Age of LLMs
- arxiv url: http://arxiv.org/abs/2312.11803v2
- Date: Tue, 23 Jan 2024 19:37:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-25 16:55:44.487392
- Title: NLP for Maternal Healthcare: Perspectives and Guiding Principles in the
Age of LLMs
- Title（参考訳）: 母系医療におけるNLP : LLM時代の展望と指針
- Authors: Maria Antoniak, Aakanksha Naik, Carla S. Alvarado, Lucy Lu Wang, Irene
Y. Chen
- Abstract要約: 本研究では,母体医療におけるNLP活用の指針について提案する。
我々は,NLPツールの価値,ニーズ,認識について,医療従事者および出生者の調査を行った。
それぞれの原則について、基礎となる根拠を説明し、実践的なアドバイスを提供する。
- 参考スコア（独自算出の注目度）: 13.090847961966679
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Ethical frameworks for the use of natural language processing (NLP) are
urgently needed to shape how large language models (LLMs) and similar tools are
used for healthcare applications. Healthcare faces existing challenges
including the balance of power in clinician-patient relationships, systemic
health disparities, historical injustices, and economic constraints. Drawing
directly from the voices of those most affected, and focusing on a case study
of a specific healthcare setting, we propose a set of guiding principles for
the use of NLP in maternal healthcare. We led an interactive session centered
on an LLM-based chatbot demonstration during a full-day workshop with 39
participants, and additionally surveyed 30 healthcare workers and 30 birthing
people about their values, needs, and perceptions of NLP tools in the context
of maternal health. We conducted quantitative and qualitative analyses of the
survey results and interactive discussions to consolidate our findings into a
set of guiding principles. We propose nine principles for ethical use of NLP
for maternal healthcare, grouped into three themes: (i) recognizing contextual
significance (ii) holistic measurements, and (iii) who/what is valued. For each
principle, we describe its underlying rationale and provide practical advice.
This set of principles can provide a methodological pattern for other
researchers and serve as a resource to practitioners working on maternal health
and other healthcare fields to emphasize the importance of technical nuance,
historical context, and inclusive design when developing NLP technologies for
clinical use.
- Abstract（参考訳）: 自然言語処理(NLP)を使用する倫理的フレームワークは、医療アプリケーションにどのように大きな言語モデル(LLM)や同様のツールが使われているかを形成するために、緊急に必要である。
医療は、臨床医と患者の関係における力のバランス、体系的な健康格差、歴史的不正、経済的制約など、既存の課題に直面している。
最も影響を受けた人々の声から直接抽出し、特定の医療現場のケーススタディに焦点をあてて、母性医療におけるnlpの使用に関する一連の指針を提案する。
参加者39名によるフルデイワークショップにおいて,LSMベースのチャットボットのデモンストレーションを中心とした対話的なセッションを主導し,母体保健におけるNLPツールの価値,ニーズ,認識について,30名の医療従事者と30名の出生者を対象に調査を行った。
調査結果の定量的,質的な分析と対話的議論を行い,その結果を一連の指針原理に集約した。
母性医療におけるnlpの倫理的利用に関する9つの原則を提案する。
一 文脈的意義を認識すること
(ii)総合的な測定、及び
(iii)誰/何に価値があるか。
それぞれの原則について、基礎となる根拠を説明し、実践的なアドバイスを提供する。
この一連の原則は、他の研究者に方法論的パターンを提供し、母性健康やその他の医療分野で働く実践者にとって、臨床用nlp技術の開発において技術的ニュアンス、歴史的文脈、包括的デザインの重要性を強調するためのリソースとして役立つ。
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) - Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。
VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。
本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T23:19:28Z) - 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) - Foundation Metrics for Evaluating Effectiveness of Healthcare
Conversations Powered by Generative AI [38.497288024393065]
ジェネレーティブ・人工知能(Generative Artificial Intelligence)は、従来の医療をよりパーソナライズされ、効率的で、積極的なプロセスに変えることで、医療提供に革命をもたらす。
本稿では,医療における対話型対話モデルの評価に特に適用可能な最先端評価指標について検討する。
論文 参考訳（メタデータ） (2023-09-21T19:36:48Z) - Are Large Language Models Ready for Healthcare? A Comparative Study on
Clinical Language Understanding [12.128991867050487]
大規模言語モデル(LLM)は、医療を含む様々な分野で大きな進歩を遂げている。
本研究では,臨床言語理解タスクの領域における最先端LCMの評価を行った。
論文 参考訳（メタデータ） (2023-04-09T16:31:47Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳（メタデータ） (2023-03-24T03:14:00Z) - Align, Reason and Learn: Enhancing Medical Vision-and-Language
Pre-training with Knowledge [68.90835997085557]
本稿では,3つの視点から構造化された医療知識を高めるための体系的かつ効果的なアプローチを提案する。
まず、視覚エンコーダと言語エンコーダの表現を知識を通して整列する。
次に,多モード融合モデルに知識を注入し,入力画像とテキストの補足として知識を用いた推論を可能にする。
第3に、知識によって引き起こされるプレテキストタスクを設計することで、画像やテキストの最も重要な情報に重点を置くよう、モデルを指導する。
論文 参考訳（メタデータ） (2022-09-15T08:00:01Z) - Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。
機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。
本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文 参考訳（メタデータ） (2022-06-29T04:32:10Z) - Benchmarking Automated Clinical Language Simplification: Dataset,
Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。
我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-12-04T06:09:02Z) - A Systematic Review of Natural Language Processing for Knowledge
Management in Healthcare [0.6193838300896449]
本研究の目的は,NLPの可能性,特にNLPが医療領域における知識管理プロセスをどのようにサポートするかを明らかにすることである。
本稿では、医療分野における知識の創出、獲得、共有、適用の方法について、最先端のNLP研究を包括的に調査する。
論文 参考訳（メタデータ） (2020-07-17T17:50:50Z)
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。