論文の概要: Can Artificial Intelligence Generate Quality Research Topics Reflecting Patient Concerns?

• arxiv url: http://arxiv.org/abs/2411.14456v1
• Date: Fri, 15 Nov 2024 20:24:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-01 04:42:51.567320
• Title: Can Artificial Intelligence Generate Quality Research Topics Reflecting Patient Concerns?
• Title（参考訳）: 人工知能は患者の懸念を反映した品質研究のトピックを生成することができるか?
• Authors: Jiyeong Kim, Michael L. Chen, Shawheen J. Rezaei, Mariana Ramirez-Posada, Jennifer L. Caswell-Jin, Allison W. Kurian, Fauzia Riaz, Kavita Y. Sarin, Jean Y. Tang, Steven M. Asch, Eleni Linos,
• Abstract要約: 革新的自然言語処理(NLP)と人工知能(AI)を活用した自動フレームワークを提案する。 当院における乳がん・皮膚癌患者25,549名を対象に,614,464件の患者メッセージを分析した。 広く使われているAIを用いて、定義された問題を解決するための研究トピックを作成した。
• 参考スコア（独自算出の注目度）: 0.2801039649976666
• License:
• Abstract: Patient-centered research is increasingly important in narrowing the gap between research and patient care, yet incorporating patient perspectives into health research has been inconsistent. We propose an automated framework leveraging innovative natural language processing (NLP) and artificial intelligence (AI) with patient portal messages to generate research ideas that prioritize important patient issues. We further quantified the quality of AI-generated research topics. To define patient clinical concerns, we analyzed 614,464 patient messages from 25,549 individuals with breast or skin cancer obtained from a large academic hospital (2013 to 2024), constructing a 2-staged unsupervised NLP topic model. Then, we generated research topics to resolve the defined issues using a widely used AI (ChatGPT-4o, OpenAI Inc, April 2024 version) with prompt-engineering strategies. We guided AI to perform multi-level tasks: 1) knowledge interpretation and summarization (e.g., interpreting and summarizing the NLP-defined topics), 2) knowledge generation (e.g., generating research ideas corresponding to patients issues), 3) self-reflection and correction (e.g., ensuring and revising the research ideas after searching for scientific articles), and 4) self-reassurance (e.g., confirming and finalizing the research ideas). Six highly experienced breast oncologists and dermatologists assessed the significance and novelty of AI-generated research topics using a 5-point Likert scale (1-exceptional, 5-poor). One-third of the AI-suggested research topics were highly significant and novel when both scores were lower than the average. Two-thirds of the AI-suggested topics were novel in both cancers. Our findings demonstrate that AI-generated research topics reflecting patient perspectives via a large volume of patient messages can meaningfully guide future directions in patient-centered health research.
• Abstract（参考訳）: 患者中心の研究は、研究と患者ケアのギャップを狭めるためにますます重要になっているが、患者の視点を健康研究に取り入れることは矛盾している。 本稿では,革新的自然言語処理(NLP)と人工知能(AI)を患者ポータルメッセージで活用し,患者の重要な課題を優先する研究アイデアを生成する自動化フレームワークを提案する。 我々はAIによる研究トピックの質をさらに定量化した。 対象は,大規模大学病院(2013年～2024年)の乳がん患者25,549名(25,564名)の614,464人を対象に,2段階のNLPトピックモデルを構築した。 そして、広く使われているAI(ChatGPT-4o、OpenAI Inc、2024年4月版)とプロンプトエンジニアリング戦略を用いて、定義された問題を解決するための研究トピックを作成した。 マルチレベルタスクを実行するためにAIを指導しました。 1)知識解釈と要約(例えば、NLP定義トピックの解釈と要約) 2)知識創出(例えば、患者問題に対応する研究思想の創出) 3)自己回帰・補正(例えば、科学論文の検索後の研究思想の確保・改訂)、 4)自己保証(例えば、研究アイデアの確認及び確定) 高度に経験を積んだ乳腺腫瘍学者と皮膚科医の6人は、5-point Likert Scale(1-partional, 5-poor)を用いたAI生成研究の意義と新規性を評価した。 AIを推奨する研究トピックの3分の1は、両方のスコアが平均よりも低い場合、非常に重要で斬新なものだった。 AIが推奨するトピックの3分の2は、両方のがんで新規である。 以上の結果から,大量の患者メッセージを通じて患者の視点を反映したAIによる研究トピックが,患者中心の健康研究における今後の方向性を有意義に導くことが示唆された。

関連論文リスト

• AI in radiological imaging of soft-tissue and bone tumours: a systematic review evaluating against CLAIM and FUTURE-AI guidelines [1.5332408886895255]
  軟部腫瘍と骨腫瘍 (STBT) は稀で, 診断に難渋する病変であり, 様々な臨床症状と治療のアプローチがある。 本稿では,これらの腫瘍の診断と予後のための放射線画像を用いた人工知能(AI)法の概要について概説する。
  論文  参考訳（メタデータ） (2024-08-22T15:31:48Z)
• Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [129.08019405056262]
  人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である MLMとWMは、その顕著な知覚、相互作用、推論能力のために、大きな注目を集めている。 本調査では,Embodied AIの最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-09T14:14:47Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Emotional Intelligence Through Artificial Intelligence : NLP and Deep Learning in the Analysis of Healthcare Texts [1.9374282535132377]
  本論文は,医療関連テキストにおける感情評価における人工知能の利用に関する方法論的考察である。 我々は、感情分析を強化し、感情を分類し、患者の結果を予測するためにAIを利用する多くの研究を精査する。 AIの倫理的応用を保証すること、患者の機密性を保護すること、アルゴリズムの手続きにおける潜在的なバイアスに対処することを含む、継続的な課題がある。
  論文  参考訳（メタデータ） (2024-03-14T15:58:13Z)
• AI Ethics: A Bibliometric Analysis, Critical Issues, and Key Gaps [3.8214695776749013]
  この研究は、過去20年間にAI倫理文学の総合的文献計測分析を行った。 彼らは、コリングリッジジレンマを含む7つの重要なAI倫理問題、AIステータスの議論、AIの透明性と説明可能性に関連する課題、プライバシー保護の合併症、正義と公正の考慮、アルゴクラシーと人間の啓発に関する懸念、超知能の問題を提示している。
  論文  参考訳（メタデータ） (2024-03-12T21:43:21Z)
• Are Generative AI systems Capable of Supporting Information Needs of Patients? [4.485098382568721]
  本研究は, 画像診断における患者情報への責任を負うことなく, 生成的視覚質問応答システムの有効性について検討する。 胸部CT検査を施行し, 胸部CT検査を施行し, 胸部CT検査を施行し, 胸部CT検査を施行した。 参加者と医療専門家の会話のテーマ分析を用いて,対話を通して一般的に発生するテーマを特定した。 我々は,放射線技師の反応に対して,最先端の2つの生成的視覚言語モデルを評価する。
  論文  参考訳（メタデータ） (2024-01-31T23:24:37Z)
• Towards Possibilities & Impossibilities of AI-generated Text Detection: A Survey [97.33926242130732]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。 これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。 これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
  論文  参考訳（メタデータ） (2023-10-23T18:11:32Z)
• Improving Primary Healthcare Workflow Using Extreme Summarization of Scientific Literature Based on Generative AI [8.901148687545103]
  本研究の目的は, 実践者が経験する認知負荷を低減させるための, 生成的人工知能の可能性を検討することである。 文献レビューにおける生成AIの利用は効率的かつ効果的であることを示す。
  論文  参考訳（メタデータ） (2023-07-24T21:42:27Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Characterising Research Areas in the field of AI [68.8204255655161]
  トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。 その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-05-26T16:30:30Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。