論文の概要: Using LLM for Real-Time Transcription and Summarization of Doctor-Patient Interactions into ePuskesmas in Indonesia: A Proof-of-Concept Study
- arxiv url: http://arxiv.org/abs/2409.17054v2
- Date: Sat, 23 Aug 2025 04:47:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.025644
- Title: Using LLM for Real-Time Transcription and Summarization of Doctor-Patient Interactions into ePuskesmas in Indonesia: A Proof-of-Concept Study
- Title（参考訳）: LLMを用いたインドネシアのePuskesmasにおける医師-医師間相互作用のリアルタイム転写と要約 : 概念実証研究
- Authors: Nur Ahmad Khatim, Azmul Asmar Irfan, Mansur M. Arief,
- Abstract要約: 本稿では,大規模言語モデル(LLM)を用いて,インドネシアにおける医師と患者との会話のリアルタイムの書き起こしと要約を自動化する概念実証フレームワークを提案する。
本システムは,ePuskesmasフォームを自動生成するブラウザエクステンションとして実装された医用要約用GPT-3.5とWhisperモデルを組み合わせた。
- 参考スコア（独自算出の注目度）: 0.5735035463793009
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the critical issues contributing to inefficiency in Puskesmas (Indonesian community health centers) is the time-consuming nature of documenting doctor-patient interactions. Doctors must conduct thorough consultations and manually transcribe detailed notes into ePuskesmas electronic health records (EHR), which creates substantial administrative burden to already overcapacitated physicians. This paper presents a proof-of-concept framework using large language models (LLMs) to automate real-time transcription and summarization of doctor-patient conversations in Bahasa Indonesia. Our system combines Whisper model for transcription with GPT-3.5 for medical summarization, implemented as a browser extension that automatically populates ePuskesmas forms. Through controlled roleplay experiments with medical validation, we demonstrate the technical feasibility of processing detailed 300+ seconds trimmed consultations in under 30 seconds while maintaining clinical accuracy. This work establishes the foundation for AI-assisted clinical documentation in resource-constrained healthcare environments. However, concerns have also been raised regarding privacy compliance and large-scale clinical evaluation addressing language and cultural biases for LLMs.
- Abstract（参考訳）: プッケスマ (Puskesmas) の非効率性に寄与する重要な問題の1つは、医師と患者の相互作用を文書化するのに時間を要する性質である。
医師は徹底的な相談を行い、手動で詳細なメモをePuskesmas Electronic Health Record (EHR)に書き起こさなければならない。
本稿では,バハサ・インドネシアにおける医師と患者との会話のリアルタイムの書き起こしと要約を自動化するために,大規模言語モデル(LLM)を用いた概念実証フレームワークを提案する。
本システムは,ePuskesmasフォームを自動生成するブラウザエクステンションとして実装された医用要約用GPT-3.5とWhisperモデルを組み合わせた。
医療的検証によるロールプレイの制御実験を通じて,30秒未満で詳細な300秒以上のコンサルテーションをトリミングし,臨床的精度を維持しつつ,その技術的実現可能性を示す。
この研究は、リソース制約された医療環境におけるAI支援臨床ドキュメントの基礎を確立する。
しかし、プライバシーの遵守や言語に対する大規模臨床評価、LLMの文化的偏見についても懸念が高まっている。
関連論文リスト
- Dr.Copilot: A Multi-Agent Prompt Optimized Assistant for Improving Patient-Doctor Communication in Romanian [3.3311266423308252]
コピロ博士(Dr. Copilot)は、ルーマニア語を話す医師を支援する多言語大言語モデル(LLM)システムである。
医学的正確性を評価する代わりに、コパイロット博士は17の解釈可能な軸に沿ってフィードバックを提供する。
41名の医師による経験的評価とライブデプロイメントは、ユーザレビューと応答品質の計測可能な改善を示している。
論文 参考訳（メタデータ） (2025-07-15T13:26:49Z) - Searching for Best Practices in Medical Transcription with Large Language Model [1.0855602842179624]
本稿では,Large Language Model (LLM) を用いて,高精度な医療書面を生成する手法を提案する。
提案手法は,単語誤り率(WER)を低くし,重要な医療用語の正確な認識を確保するために,高度な言語モデリング技術を統合する。
論文 参考訳（メタデータ） (2024-10-04T03:41:16Z) - A GEN AI Framework for Medical Note Generation [3.7444770630637167]
MediNotesは、医療会話からSOAP(Subjective, Objective, Assessment, Plan)ノートの作成を自動化するために設計された高度な生成AIフレームワークである。
MediNotesはLarge Language Models (LLM)、Retrieval-Augmented Generation (RAG)、Automatic Speech Recognition (ASR)を統合し、テキスト入力と音声入力の両方をリアルタイムで、記録されたオーディオからキャプチャし、処理する。
論文 参考訳（メタデータ） (2024-09-27T23:05:02Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - Enhancing Summarization Performance through Transformer-Based Prompt
Engineering in Automated Medical Reporting [0.49478969093606673]
2ショットプロンプトアプローチとスコープとドメインコンテキストの組み合わせは、他のメソッドよりも優れています。
自動化されたレポートは、人間の参照の約2倍の長さである。
論文 参考訳（メタデータ） (2023-11-22T09:51:53Z) - ChiMed-GPT: A Chinese Medical Large Language Model with Full Training Regime and Better Alignment to Human Preferences [51.66185471742271]
我々は中国医学領域向けに明示的に設計されたベンチマークLSMであるChiMed-GPTを提案する。
ChiMed-GPTは、事前訓練、SFT、RLHFを含む総合的な訓練体制を実施。
我々は,ChiMed-GPTを患者識別に関する態度尺度の実行を促すことによって,潜在的なバイアスを分析した。
論文 参考訳（メタデータ） (2023-11-10T12:25:32Z) - 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) - Clinical Dialogue Transcription Error Correction using Seq2Seq Models [1.663938381339885]
臨床対話におけるASR転写誤り訂正のためのSeq2seq学習手法を提案する。
我々は、将来の研究のために公開してきたドメイン固有のデータセットを使用して、マスク満載タスクにSeq2seqモデルを微調整する。
論文 参考訳（メタデータ） (2022-05-26T18:27:17Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Auto Response Generation in Online Medical Chat Services [0.0]
医師が相談要求に効率的に反応できるスマートな自動応答生成機構を開発した。
9ヶ月にわたって収集された医師と患者の匿名、歴史的なオンラインメッセージ9万件を探索する。
論文 参考訳（メタデータ） (2021-04-26T17:45:10Z) - 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) - Transforming unstructured voice and text data into insight for paramedic
emergency service using recurrent and convolutional neural networks [68.8204255655161]
救急隊員は救急車内で限られた時間内に救命判断をしなければならないことが多い。
本研究の目的は、音声とテキストデータを自動的に融合して、救急隊員に適切な状況認識情報を提供することである。
論文 参考訳（メタデータ） (2020-05-30T06:47:02Z)
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。