論文の概要: Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments
- arxiv url: http://arxiv.org/abs/2408.07531v2
- Date: Tue, 27 Aug 2024 15:16:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 18:38:45.054117
- Title: Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments
- Title（参考訳）: 大規模言語モデルに基づく韓国トリアージ・アクアリティ尺度(KTAS)に基づく救急部門におけるトライアージ・治療計画支援システムの開発
- Authors: Seungjun Han, Wongyung Choi,
- Abstract要約: 本研究は, 患者トリアージ, 治療計画, 救急管理全般において, LLM駆動型CDSSを用いて, ED医師や看護師を支援することを目的とするものである。
このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。
トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emergency department (ED) overcrowding and the complexity of rapid decision-making in critical care settings pose significant challenges to healthcare systems worldwide. While clinical decision support systems (CDSS) have shown promise, the integration of large language models (LLMs) offers new possibilities for enhancing triage accuracy and clinical decision-making. This study presents an LLM-driven CDSS designed to assist ED physicians and nurses in patient triage, treatment planning, and overall emergency care management. We developed a multi-agent CDSS utilizing Llama-3-70b as the base LLM, orchestrated by CrewAI and Langchain. The system comprises four AI agents emulating key ED roles: Triage Nurse, Emergency Physician, Pharmacist, and ED Coordinator. It incorporates the Korean Triage and Acuity Scale (KTAS) for triage assessment and integrates with the RxNorm API for medication management. The model was evaluated using the Asclepius dataset, with performance assessed by a clinical emergency medicine specialist. The CDSS demonstrated high accuracy in triage decision-making compared to the baseline of a single-agent system. Furthermore, the system exhibited strong performance in critical areas, including primary diagnosis, critical findings identification, disposition decision-making, treatment planning, and resource allocation. Our multi-agent CDSS demonstrates significant potential for supporting comprehensive emergency care management. By leveraging state-of-the-art AI technologies, this system offers a scalable and adaptable tool that could enhance emergency medical care delivery, potentially alleviating ED overcrowding and improving patient outcomes. This work contributes to the growing field of AI applications in emergency medicine and offers a promising direction for future research and clinical implementation.
- Abstract（参考訳）: 救急部門(ED)の過密化と、救急医療における急激な意思決定の複雑さは、世界中の医療システムにとって重大な課題となっている。
臨床意思決定支援システム(CDSS)は将来性を示しているが、大規模言語モデル(LLM)の統合は、トリアージ精度と臨床意思決定を向上する新たな可能性を提供する。
本研究は, 患者トリアージ, 治療計画, 救急医療管理全般において, ED医師や看護師を支援するためのLCM駆動型CDSSを提案する。
We developed a multi-agent CDSS using Llama-3-70b as the base LLM, together by CrewAI and Langchain。
このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。
トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
このモデルをAsclepiusデータセットを用いて評価し,臨床救急医療の専門家による評価を行った。
CDSSは単エージェントシステムのベースラインと比較してトリアージ決定において高い精度を示した。
さらに, 本システムでは, 一次診断, 臨界発見同定, 配置決定, 治療計画, 資源配分など, 重要な領域で高い性能を示した。
マルチエージェントCDSSは,包括的救急医療支援に有意な可能性を秘めている。
最先端のAI技術を活用することで、このシステムはスケーラブルで適応可能なツールを提供し、救急医療のデリバリを強化し、ED過密を緩和し、患者の結果を改善する可能性がある。
この研究は、救急医療におけるAI応用の進展に寄与し、将来の研究と臨床実践に有望な方向性を提供する。
関連論文リスト
- TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - Bespoke Large Language Models for Digital Triage Assistance in Mental Health Care [0.20971479389679337]
大規模言語モデル(LLM)は、電子的な健康記録に含まれる、構造化されていない、物語のない臨床データを処理するためのユーティリティを持つ。
2023年の毎月、370,000人から470,000人の新規紹介者が、二次的なメンタルヘルスケアサービスに移行した。
LLMをベースとした可変長臨床ERHデータのエンド・ツー・エンドの摂取に関する3つのアプローチを提案し,その評価を行った。
論文 参考訳（メタデータ） (2024-03-28T19:17:07Z) - Neural machine translation of clinical procedure codes for medical
diagnosis and uncertainty quantification [2.1186715417451216]
医療エントロピーの概念を導入し,ICD-9法に基づくニューラルマシン翻訳によって予測される患者の予後の不確かさを定量化する。
簡単なICD-9コードに基づいて,術式と診断シーケンスの相関が強いことを示す。
また,データ駆動アプローチにより入院時の不確実性の傾向をモデル化する有望な能力を示す。
論文 参考訳（メタデータ） (2024-02-07T20:11:56Z) - XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。
我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。
我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
論文 参考訳（メタデータ） (2023-12-29T14:28:04Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Applying Artificial Intelligence to Clinical Decision Support in Mental
Health: What Have We Learned? [0.0]
本稿では,近年開発されたAI-CDSSであるAifred Healthを事例として,うつ病における治療の選択と管理を支援する。
我々は、このAI-CDSSの開発およびテスト中にもたらされた原則と、実装を容易にするために開発された実践的ソリューションの両方を考慮する。
論文 参考訳（メタデータ） (2023-03-06T21:40:51Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Artificial Intelligence Decision Support for Medical Triage [0.0]
我々はトリアージシステムを開発し、現在、ヨーロッパ最大の遠隔医療プロバイダーで使用中である。
本システムは,モバイルアプリケーションを用いた患者とのインタラクションを通じて,ケア代替案の評価を行う。
最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別する。
論文 参考訳（メタデータ） (2020-11-09T16:45:01Z) - CPAS: the UK's National Machine Learning-based Hospital Capacity
Planning System for COVID-19 [111.69190108272133]
新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。
病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。
CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
論文 参考訳（メタデータ） (2020-07-27T19:39:13Z) - Clinical Recommender System: Predicting Medical Specialty Diagnostic
Choices with Neural Network Ensembles [6.015709234901588]
本稿では,患者の最新の臨床記録に基づいて,必要な診断手順のセットを推奨するデータ駆動モデルを提案する。
これにより、医療システムは、患者の初期医療専門性診断ワークアップへのタイムリーなアクセスを拡大できる可能性がある。
論文 参考訳（メタデータ） (2020-07-23T17:50:15Z)
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。