論文の概要: Towards Democratization of Subspeciality Medical Expertise

• arxiv url: http://arxiv.org/abs/2410.03741v1
• Date: Tue, 1 Oct 2024 06:34:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 20:18:28.495096
• Title: Towards Democratization of Subspeciality Medical Expertise
• Title（参考訳）: 医療専門医の民主化に向けて
• Authors: Jack W. O'Sullivan, Anil Palepu, Khaled Saab, Wei-Hung Weng, Yong Cheng, Emily Chu, Yaanik Desai, Aly Elezaby, Daniel Seung Kim, Roy Lan, Wilson Tang, Natalie Tapaskar, Victoria Parikh, Sneha S. Jain, Kavita Kulkarni, Philip Mansfield, Dale Webster, Juraj Gottweis, Joelle Barral, Mike Schaekermann, Ryutaro Tanno, S. Sara Mahdavi, Vivek Natarajan, Alan Karthikesalingam, Euan Ashley, Tao Tu,
• Abstract要約: 専門医の専門知識の不足、特に稀で複雑で生命を脅かす病気は、医療提供にとって重要な課題である。 診断対話のための大規模言語モデル(M)を用いた実験AIシステムであるAMIE(Articulate Medical Intelligence Explorer)の可能性について検討した。 心電図, 心エコー図, 心臓MRI, 遺伝子検査, 心肺ストレステストなど, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電
• 参考スコア（独自算出の注目度）: 16.352752127133837
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The scarcity of subspecialist medical expertise, particularly in rare, complex and life-threatening diseases, poses a significant challenge for healthcare delivery. This issue is particularly acute in cardiology where timely, accurate management determines outcomes. We explored the potential of AMIE (Articulate Medical Intelligence Explorer), a large language model (LLM)-based experimental AI system optimized for diagnostic dialogue, to potentially augment and support clinical decision-making in this challenging context. We curated a real-world dataset of 204 complex cases from a subspecialist cardiology practice, including results for electrocardiograms, echocardiograms, cardiac MRI, genetic tests, and cardiopulmonary stress tests. We developed a ten-domain evaluation rubric used by subspecialists to evaluate the quality of diagnosis and clinical management plans produced by general cardiologists or AMIE, the latter enhanced with web-search and self-critique capabilities. AMIE was rated superior to general cardiologists for 5 of the 10 domains (with preference ranging from 9% to 20%), and equivalent for the rest. Access to AMIE's response improved cardiologists' overall response quality in 63.7% of cases while lowering quality in just 3.4%. Cardiologists' responses with access to AMIE were superior to cardiologist responses without access to AMIE for all 10 domains. Qualitative examinations suggest AMIE and general cardiologist could complement each other, with AMIE thorough and sensitive, while general cardiologist concise and specific. Overall, our results suggest that specialized medical LLMs have the potential to augment general cardiologists' capabilities by bridging gaps in subspecialty expertise, though further research and validation are essential for wide clinical utility.
• Abstract（参考訳）: 専門医の専門知識の不足、特に稀で複雑で生命を脅かす病気は、医療提供にとって大きな課題となっている。 この問題は、タイムリーに正確な管理が結果を決定する心臓学において特に急激である。 我々は、診断対話に最適化された大規模言語モデル(LLM)に基づく実験AIシステムであるAMIE(Articulate Medical Intelligence Explorer)の可能性を探り、この挑戦的な文脈における臨床意思決定の強化と支援について検討した。 心電図, 心エコー図, 心臓MRI, 遺伝子検査, 心肺ストレステストなど, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電図, 心電 一般心臓科医やAMIEが作成する診断と臨床管理計画の質を評価するために,サブスペシャリストが用いた10ドメイン評価ルーブリックを開発した。 AMIEは10ドメイン中5ドメイン(好みは9%から20%)で一般の心臓科医より優れ、残りは同等であった。 AMIEの反応は、63.7%の症例で心臓科医の全体的な反応品質を改善し、わずか3.4%で品質を低下させた。 心臓科医のAMIEアクセスに対する反応は,10ドメインすべてでAMIEにアクセスすることなく,心臓科医の反応よりも優れていた。 定性検査では、AMIEと一般心臓科医は相互に補完し、AMIEは徹底的で敏感であり、一般心臓科医は簡潔で特異である。 以上の結果から, 専門医は, 専門医のギャップを埋めることによって, 総合心臓科医の能力を増強できる可能性が示唆された。

関連論文リスト

• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• Exploring Large Language Models for Specialist-level Oncology Care [17.34069859182619]
  乳腺腫瘍治療のサブスペシャリスト領域における対話型診断AIシステムAMIEの性能について検討した。 当科では, 治療・治療・難治性症例の50種類の合成乳がんビグネットを切除した。 症例要約の質, ケア計画の安全性, 化学療法, 放射線療法, 手術, ホルモン療法の勧告など, 管理計画を評価するための詳細な臨床用ルーリックを開発した。
  論文  参考訳（メタデータ） (2024-11-05T18:30:13Z)
• GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI [67.09501109871351]
  LVLM(Large Vision-Language Model)は、画像、テキスト、生理学的信号などの多様なデータタイプを扱うことができる。 GMAI-MMBenchは、よく分類されたデータ構造と、これまででもっとも包括的な一般医療用AIベンチマークである。 38の医療画像モダリティ、18の臨床関連タスク、18の部門、視覚質問回答(VQA)フォーマットの4つの知覚的粒度からなる284のデータセットで構成されている。
  論文  参考訳（メタデータ） (2024-08-06T17:59:21Z)
• Towards Conversational Diagnostic AI [32.84876349808714]
  本稿では,診断対話に最適化されたLarge Language Model (LLM)ベースのAIシステムであるAMIE(Articulate Medical Intelligence Explorer)を紹介する。 AMIEは、さまざまな疾患条件にまたがって学習をスケールするための自動フィードバック機構を備えた、セルフプレイベースのシミュレート環境を使用する。 AMIEの診断精度は, 専門医によると32例中28例, 患者アクターでは26例中24例で高い成績を示した。
  論文  参考訳（メタデータ） (2024-01-11T04:25:06Z)
• Artificial Intelligence System for Detection and Screening of Cardiac Abnormalities using Electrocardiogram Images [17.625471536027693]
  本稿では,実際の心電図画像から心疾患(CA)を検出し,スクリーニングするAIシステムを提案する。 このシステムは、世界中の複数の地域および人口から52,357人の患者の大規模なデータセットで評価された。 本研究は,CA検出およびスクリーニングのための精度,客観的,使いやすさ,高速,低コストなAIシステムの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-02-10T10:54:33Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Deep Learning methods for automatic evaluation of delayed enhancement-MRI. The results of the EMIDEC challenge [21.93792387878765]
  EMIDECの課題は, 深層学習法が正常症例と病理症例とを区別できるかどうかを評価することである。 造影剤投与後, 正常MRI50例, 心筋梗塞100例に分けて検討した。 その結果,試験の自動分類は到達可能な課題であることが示唆された。
  論文  参考訳（メタデータ） (2021-08-09T13:15:25Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Predicting post-operative right ventricular failure using video-based deep learning [9.884447146588542]
  術前心エコー検査から得られた全情報密度を用いて,術前右室障害(RV障害)を予測できる映像AIシステムの開発を行った。 0.729の時空、80%の感度で52%の特異度、80%の特異度で感度を達成する。 さらに,我々のMLシステムは,独立臨床評価におけるRV障害の予測に携わる人間専門家のチームよりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-28T00:58:53Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。