Fugu-MT 論文翻訳(概要): Retrieval-Augmented Generation for Generative Artificial Intelligence in Medicine

論文の概要: Retrieval-Augmented Generation for Generative Artificial Intelligence in Medicine

arxiv url: http://arxiv.org/abs/2406.12449v1
Date: Tue, 18 Jun 2024 09:53:37 GMT
ステータス: 処理完了
システム内更新日: 2024-06-19 19:37:07.955861
Title: Retrieval-Augmented Generation for Generative Artificial Intelligence in Medicine
Title（参考訳）: 医学における創発的人工知能のための検索型生成法
Authors: Rui Yang, Yilin Ning, Emilia Keppo, Mingxuan Liu, Chuan Hong, Danielle S Bitterman, Jasmine Chiat Ling Ong, Daniel Shu Wei Ting, Nan Liu,
Abstract要約: Retrieval-augmented Generation (RAG) により、モデルが外部知識の検索を利用してより正確なコンテンツを生成することができる。 RAGは、生成的AIを医療アプリケーションに接続する方法を開拓し、医療に株式、信頼性、パーソナライゼーションのイノベーションをもたらすことが期待されている。
参考スコア（独自算出の注目度）: 10.004952611099947
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generative artificial intelligence (AI) has brought revolutionary innovations in various fields, including medicine. However, it also exhibits limitations. In response, retrieval-augmented generation (RAG) provides a potential solution, enabling models to generate more accurate contents by leveraging the retrieval of external knowledge. With the rapid advancement of generative AI, RAG can pave the way for connecting this transformative technology with medical applications and is expected to bring innovations in equity, reliability, and personalization to health care.
Abstract（参考訳）: 創発的人工知能(AI)は、医学を含む様々な分野で革新的革新をもたらした。しかし、制限もある。これに対し、検索拡張生成(RAG)は潜在的な解決策を提供し、モデルが外部知識の検索を利用してより正確なコンテンツを生成することを可能にする。生成AIの急速な進歩により、RAGは、この変革的技術と医療応用を結びつける道を開くことができ、エクイティ、信頼性、パーソナライゼーションのイノベーションをヘルスケアにもたらすことが期待されている。

関連論文リスト

Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
論文参考訳（メタデータ） (2024-10-26T15:42:50Z)
The Potential and Perils of Generative Artificial Intelligence for Quality Improvement and Patient Safety [27.753117791280857]
ジェネレーティブ人工知能(GenAI)は、患者の医療の質と安全性を高める自動化を通じて、医療を改善する可能性がある。我々は、医療におけるGenAIの即時適用は、明確に定義された、低いリスク、高い価値、狭いアプリケーションを通して行われると仮定する。我々はこれを、臨床成績を改善するエンドツーエンドの臨床意思決定のための汎用AIモデルと対比する。
論文参考訳（メタデータ） (2024-06-23T15:01:11Z)
Rapid Review of Generative AI in Smart Medical Applications [3.068678059223457]
生成モデルは、重要なAI技術であり、医療画像生成、データ分析、診断に革命をもたらした。本稿では、インテリジェント医療機器への応用について検討する。生成モデルは、医療画像生成、データ分析、診断において非常に有望である。
論文参考訳（メタデータ） (2024-06-08T03:34:47Z)
Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
論文参考訳（メタデータ） (2024-04-13T02:39:36Z)
Practical Applications of Advanced Cloud Services and Generative AI Systems in Medical Image Analysis [17.4235794108467]
本稿では、医用画像における生成AIの変換可能性について考察し、合成ACM-2データを生成する能力を強調した。データセットのサイズと多様性の制限に対処することにより、これらのモデルはより正確な診断と患者の結果の改善に寄与する。
論文参考訳（メタデータ） (2024-03-26T09:55:49Z)
Leveraging Generative AI for Clinical Evidence Summarization Needs to Ensure Trustworthiness [47.51360338851017]
エビデンスベースの医療は、医療の意思決定と実践を最大限に活用することで、医療の質を向上させることを約束する。様々な情報源から得ることができる医学的証拠の急速な成長は、明らかな情報の収集、評価、合成に挑戦する。大規模言語モデルによって実証された、生成AIの最近の進歩は、困難な作業の促進を約束する。
論文参考訳（メタデータ） (2023-11-19T03:29:45Z)
A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文参考訳（メタデータ） (2023-10-14T23:28:48Z)
AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文参考訳（メタデータ） (2023-10-03T06:55:19Z)
A Revolution of Personalized Healthcare: Enabling Human Digital Twin with Mobile AIGC [54.74071593520785]
モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術であるモバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
論文参考訳（メタデータ） (2023-07-22T15:59:03Z)
The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文参考訳（メタデータ） (2023-07-09T21:16:56Z)

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。