論文の概要: Almanac Copilot: Towards Autonomous Electronic Health Record Navigation

• arxiv url: http://arxiv.org/abs/2405.07896v2
• Date: Tue, 14 May 2024 20:25:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-16 17:51:17.009466
• Title: Almanac Copilot: Towards Autonomous Electronic Health Record Navigation
• Title（参考訳）: Almanac Copilot:自律的な電子健康記録ナビゲーションを目指す
• Authors: Cyril Zakka, Joseph Cho, Gracia Fahed, Rohan Shad, Michael Moor, Robyn Fong, Dhamanpreet Kaur, Vishnu Ravi, Oliver Aalami, Roxana Daneshjou, Akshay Chaudhari, William Hiesinger,
• Abstract要約: 臨床医は臨床文書に多くの時間を費やす。 紙ベースの記録からの移行はクリニックウェルネスと負の関連がある。 本稿では,EMR特有のタスクで臨床医を支援する自律型エージェントであるAlmanac Copilotを紹介する。
• 参考スコア（独自算出の注目度）: 4.939203290543146
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Clinicians spend large amounts of time on clinical documentation, and inefficiencies impact quality of care and increase clinician burnout. Despite the promise of electronic medical records (EMR), the transition from paper-based records has been negatively associated with clinician wellness, in part due to poor user experience, increased burden of documentation, and alert fatigue. In this study, we present Almanac Copilot, an autonomous agent capable of assisting clinicians with EMR-specific tasks such as information retrieval and order placement. On EHR-QA, a synthetic evaluation dataset of 300 common EHR queries based on real patient data, Almanac Copilot obtains a successful task completion rate of 74% (n = 221 tasks) with a mean score of 2.45 over 3 (95% CI:2.34-2.56). By automating routine tasks and streamlining the documentation process, our findings highlight the significant potential of autonomous agents to mitigate the cognitive load imposed on clinicians by current EMR systems.
• Abstract（参考訳）: 臨床医は大量の時間を臨床文書に費やし、非効率性は医療の質に影響を与え、臨床医のバーンアウトを増加させる。 電子カルテ(EMR)の約束にもかかわらず、紙ベースの記録からの移行は、ユーザエクスペリエンスの低下、ドキュメントの負担の増加、警告疲労など、臨床医の健康と負の関連がある。 本研究では,臨床医が情報検索や注文の配置など,EMR固有のタスクで支援できる自律型エージェントであるAlmanac Copilotを紹介する。 EHR-QAは、実際の患者データに基づいて300の共通EHRクエリの合成評価データセットであり、Almanac Copilotは74%(n = 221タスク)のタスク完了率と平均スコアが2.45以上(95% CI:2.34-2.56)を得る。 本研究は,日常業務の自動化とドキュメンテーションプロセスの合理化により,現在のEMMシステムによって臨床医に課される認知負荷を軽減する自律エージェントの有意な可能性を明らかにする。

関連論文リスト

• ART: Action-based Reasoning Task Benchmarking for Medical AI Agents [0.0]
  本稿では,医療AIエージェントのためのアクションベース推論臨床タスクベンチマークを紹介する。 検索エラー、集約エラー、条件論理の誤判断の3つの主要なエラーカテゴリを同定する。 我々の4段階パイプラインは、実際の患者データに基づいて、多種多様な臨床的に検証されたタスクを生成します。
  論文  参考訳（メタデータ） (2026-01-13T21:26:11Z)
• Overview of CHIP 2025 Shared Task 2: Discharge Medication Recommendation for Metabolic Diseases Based on Chinese Electronic Health Records [47.67215289515775]
  退院薬の推奨は、治療継続性を確保し、寛容を予防し、長期管理を改善する上で重要な役割を担っている。 本報告では、適切な退院薬を自動的に推奨する最先端のアプローチを開発することを目的とした、CHIP 2025共有タスク2コンペティションの概要について述べる。 合計526チームが登録され、167チームと95チームがそれぞれフェーズAとフェーズBのリーダーボードに有効結果を提出した。 トップパフォーマンスチームは最終テストセットで最高成績を記録し、ジャカードスコアは0.5102、F1スコアは0.6267であった。
  論文  参考訳（メタデータ） (2025-11-09T05:11:27Z)
• DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
  大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。 本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
  論文  参考訳（メタデータ） (2025-10-24T08:01:21Z)
• Beyond the Algorithm: A Field Guide to Deploying AI Agents in Clinical Practice [4.7589523564923395]
  本稿では,電子健康記録(EHR)データを用いた生成エージェントをデプロイするための実践者指向のフィールドマニュアルを提案する。 本ガイドは、臨床ノートから免疫関連有害事象を検出する自動システム「IRAE-Agent」をデプロイした経験から得られたものである。 データ統合、モデル検証、経済的な価値の確保、システムドリフトの管理、ガバナンスです。
  論文  参考訳（メタデータ） (2025-09-30T12:03:32Z)
• Longitudinal and Multimodal Recording System to Capture Real-World Patient-Clinician Conversations for AI and Encounter Research: Protocol [0.0]
  本研究は,マヨクリニックの外来内科で実施されている。 参加診療所への直接訪問患者を招待し、360度ビデオカメラで記録する。 訪問後、患者は共感、満足度、ペース、治療負担に関する調査を完了する。 2025年8月までに、36人の臨床医のうち35人(97%)と281人の患者のうち212人(75%)が同意した。
  論文  参考訳（メタデータ） (2025-09-19T19:42:27Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [58.78045864541539]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• How Well Can Modern LLMs Act as Agent Cores in Radiology Environments? [54.36730060680139]
  RadA-BenchPlatは、放射線学環境での大規模言語モデル(LLM)のパフォーマンスをベンチマークする評価プラットフォームである。 また、エージェント駆動型タスク解決ツールの10のカテゴリを定義し、7つの主要なLCMを評価している。
  論文  参考訳（メタデータ） (2024-12-12T18:20:16Z)
• AIPatient: Simulating Patients with EHRs and LLM Powered Agentic Workflow [33.8495939261319]
  本稿では,AIPatient Knowledge Graph (AIPatient KG) を入力とし,生成バックボーンとしてReasoning Retrieval-Augmented Generation (RAG) を開発した。 Reasoning RAGは、検索、KGクエリ生成、抽象化、チェッカー、書き直し、要約を含むタスクにまたがる6つのLLMエージェントを活用する。 ANOVA F-value 0.6126, p>0.1, ANOVA F-value 0.782, p>0.1, ANOVA F-value 0.782, p>0.1, ANOVA F-value 0.6126, p>0.1)。
  論文  参考訳（メタデータ） (2024-09-27T17:17:15Z)
• Efficient Fine-Tuning of Large Language Models for Automated Medical Documentation [6.180195560275004]
  本研究は,医学的対話から医療報告を自動生成することを目的とした,微調整型大規模言語モデル(LLM)であるMediGenを紹介する。 オープンソース事前訓練モデルの微調整に最先端の方法論を活用することで、MediGenは臨床相互作用の転写および要約において高い精度を達成する。
  論文  参考訳（メタデータ） (2024-09-14T06:02:17Z)
• ACR: A Benchmark for Automatic Cohort Retrieval [1.3547712404175771]
  現在のコホート検索手法は、手作業によるキュレーションと組み合わせた構造化データの自動クエリに依存している。 大規模言語モデル(LLM)と情報検索(IR)の最近の進歩は、これらのシステムに革命をもたらす有望な道を提供する。 本稿では,新しいタスクであるAutomatic Cohort Retrieval (ACR)を導入し,LLMと商用のドメイン固有のニューロシンボリックアプローチの性能を評価する。
  論文  参考訳（メタデータ） (2024-06-20T23:04:06Z)
• Enhancing Clinical Efficiency through LLM: Discharge Note Generation for Cardiac Patients [1.379398224469229]
  本研究は、特に心臓病患者において、手動で放電ノートを作成する際の非効率性と不正確性について論じる。 本研究は,大規模言語モデル(LLM)の文書化プロセスの向上能力を評価する。 評価された様々なモデルの中で、Mistral-7Bは正確に放電音を発生させることで識別された。
  論文  参考訳（メタデータ） (2024-04-08T01:55:28Z)
• MedAlign: A Clinician-Generated Dataset for Instruction Following with Electronic Medical Records [60.35217378132709]
  大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。 医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。 我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
  論文  参考訳（メタデータ） (2023-08-27T12:24:39Z)
• A Method to Automate the Discharge Summary Hospital Course for Neurology Patients [0.2958331832356468]
  エンコーダ・デコーダ・シーケンス・ツー・シーケンス・トランスモデルを用いて,病院のコースセクションを要約する自動手法を開発し,評価した。 この手法は13.76のR-2で良いROUGEスコアを示した。
  論文  参考訳（メタデータ） (2023-05-10T18:53:51Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Human Evaluation and Correlation with Automatic Metrics in Consultation Note Generation [56.25869366777579]
  近年,機械学習モデルによる臨床相談ノートの作成が急速に進んでいる。 5人の臨床医が57件のモック・コンサルテーションを聴き、自作のノートを書き、自動的に生成されたノートを編集し、全てのエラーを抽出する、広範囲にわたる人的評価研究を行った。 単純な文字ベースのLevenshtein距離測定は、BertScoreのような一般的なモデルベースの測定値に比較して、同等に動作します。
  論文  参考訳（メタデータ） (2022-04-01T14:04:16Z)
• Active learning for medical code assignment [55.99831806138029]
  臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。 その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
  論文  参考訳（メタデータ） (2021-04-12T18:11:17Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
  本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。 実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T21:01:33Z)

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。