論文の概要: Knowledge-Infused LLM-Powered Conversational Health Agent: A Case Study
for Diabetes Patients
- arxiv url: http://arxiv.org/abs/2402.10153v2
- Date: Wed, 28 Feb 2024 19:40:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 17:44:32.166873
- Title: Knowledge-Infused LLM-Powered Conversational Health Agent: A Case Study
for Diabetes Patients
- Title(参考訳): 知識注入型LLMを用いた会話型健康エージェント : 糖尿病患者を事例として
- Authors: Mahyar Abbasian, Zhongqi Yang, Elahe Khatibi, Pengfei Zhang, Nitish
Nagesh, Iman Azimi, Ramesh Jain, Amir M. Rahmani
- Abstract要約: 糖尿病患者に対する知識注入型LLMを用いた会話型健康エージェント(CHA)を提案する。
オープンソースのopenCHAフレームワークをカスタマイズして活用し、外部知識と分析能力でCHAを強化します。
本評価では,毎日の食事選択に関する糖尿病関連質問100件と,提案した食事に関する潜在的なリスクについて検討した。
- 参考スコア(独自算出の注目度): 5.681077687942451
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective diabetes management is crucial for maintaining health in diabetic
patients. Large Language Models (LLMs) have opened new avenues for diabetes
management, facilitating their efficacy. However, current LLM-based approaches
are limited by their dependence on general sources and lack of integration with
domain-specific knowledge, leading to inaccurate responses. In this paper, we
propose a knowledge-infused LLM-powered conversational health agent (CHA) for
diabetic patients. We customize and leverage the open-source openCHA framework,
enhancing our CHA with external knowledge and analytical capabilities. This
integration involves two key components: 1) incorporating the American Diabetes
Association dietary guidelines and the Nutritionix information and 2) deploying
analytical tools that enable nutritional intake calculation and comparison with
the guidelines. We compare the proposed CHA with GPT4. Our evaluation includes
100 diabetes-related questions on daily meal choices and assessing the
potential risks associated with the suggested diet. Our findings show that the
proposed agent demonstrates superior performance in generating responses to
manage essential nutrients.
- Abstract(参考訳): 糖尿病患者の健康維持には効果的な糖尿病管理が不可欠である。
大規模言語モデル(LLM)は糖尿病治療のための新たな道を開いた。
しかし、現在のllmベースのアプローチは、一般的なソースへの依存とドメイン固有の知識との統合の欠如によって制限され、不正確な応答をもたらす。
本稿では,糖尿病患者に対する知識注入型会話型健康エージェント(cha)を提案する。
オープンソースのopenCHAフレームワークをカスタマイズして活用し、外部知識と分析能力でCHAを強化します。
この統合には2つの重要なコンポーネントが含まれる。
1)アメリカ糖尿病協会の食事ガイドラインと栄養情報とを取り入れること
2)栄養摂取量計算を可能にする分析ツールの展開とガイドラインとの比較。
提案したCHAとGPT4を比較した。
本評価では,毎日の食事選択に関する糖尿病関連質問100件と,提案した食事に関する潜在的なリスクを評価する。
以上の結果から,本剤は本態性栄養素管理のための反応生成において優れた性能を示すことが示唆された。
関連論文リスト
- Large Language Model Distilling Medication Recommendation Model [61.89754499292561]
大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。
本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。
これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
論文 参考訳(メタデータ) (2024-02-05T08:25:22Z) - CDRH Seeks Public Comment: Digital Health Technologies for Detecting
Prediabetes and Undiagnosed Type 2 Diabetes [0.0]
FDAは、糖尿病および未診断型2型糖尿病の検出におけるデジタルヘルス技術(DHT)の役割について、公衆のコメントを求めた。
DHTは、グルコース、ダイエット、症状、コミュニティの洞察などの健康信号をキャプチャする。
リモートスクリーニングツールの恩恵を最も受けられるサブ人口には、農村住民、少数派グループ、リスクの高い個人、医療アクセスの制限がある。
論文 参考訳(メタデータ) (2023-12-18T14:20:53Z) - Supervised Learning Models for Early Detection of Albuminuria Risk in
Type-2 Diabetes Mellitus Patients [0.0]
本研究の目的は,T2DM患者にアルブミン尿を発症するリスクを予測するための教師付き学習モデルを開発することである。
特徴として10の属性、目標として1の属性(アルブミン尿症)から構成される。
これはそれぞれ0.74と0.75の精度とf1スコアの値を達成し、T2DMの尿失調を予測するためのスクリーニングに適していた。
論文 参考訳(メタデータ) (2023-09-28T08:41:12Z) - Hybrid Control Policy for Artificial Pancreas via Ensemble Deep
Reinforcement Learning [13.783833824324333]
閉ループグルコース制御の課題に対処するために, 人工膵(HyCPAP)のハイブリッド制御ポリシーを提案する。
FDAが承認したUVA/Padova T1DMシミュレータを用いた広範囲な実験を行った。
本手法は所望のユーグリセミック範囲で過ごす時間が最も多く,低血糖の発生率が最も低い。
論文 参考訳(メタデータ) (2023-07-13T00:53:09Z) - 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) - 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) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳(メタデータ) (2023-02-11T18:07:11Z) - HealthEdge: A Machine Learning-Based Smart Healthcare Framework for
Prediction of Type 2 Diabetes in an Integrated IoT, Edge, and Cloud Computing
System [0.0]
糖尿病の急激な増加は、糖尿病の発生を予防・予測するために予防措置を取る必要があることを要求する。
本稿では,IoT-エッジクラウド統合コンピューティングシステムにおける2型糖尿病予測のための機械学習ベースのスマートヘルスケアフレームワークであるHealthEdgeを提案する。
論文 参考訳(メタデータ) (2023-01-25T07:57:18Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳(メタデータ) (2021-08-06T05:46:01Z) - The Diabetic Buddy: A Diet Regulator andTracking System for Diabetics [3.7026481341955053]
中東における糖尿病の流行は17-20%であり、世界平均の8-9%を大きく上回っている。
本稿では,市販センサと機械学習を用いて,糖尿病患者の血糖値と食物摂取量の自動追跡方法を提案する。
論文 参考訳(メタデータ) (2021-01-08T20:03:58Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z)
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。