Fugu-MT 論文翻訳(概要): Enhancing Nursing and Elderly Care with Large Language Models: An AI-Driven Framework

論文の概要: Enhancing Nursing and Elderly Care with Large Language Models: An AI-Driven Framework

arxiv url: http://arxiv.org/abs/2412.09946v1
Date: Fri, 13 Dec 2024 08:10:56 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-16 15:37:48.888688
Title: Enhancing Nursing and Elderly Care with Large Language Models: An AI-Driven Framework
Title（参考訳）: 大規模言語モデルによる看護と高齢者ケアの強化:AI駆動フレームワーク
Authors: Qiao Sun, Jiexin Xie, Nanyang Ye, Qinying Gu, Shijie Guo,
Abstract要約: 本稿では,大規模言語モデル(LLM)の看護・介護への応用について検討し,AIによる患者のモニタリングとインタラクションに着目した。我々は,中国の看護データセットを導入し,インクリメンタル・プレトレーニング(IPT)と教師付き微調整(SFT)技術を実装し,特殊タスクにおけるLLM性能を向上させる。
参考スコア（独自算出の注目度）: 9.201523682061753
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper explores the application of large language models (LLMs) in nursing and elderly care, focusing on AI-driven patient monitoring and interaction. We introduce a novel Chinese nursing dataset and implement incremental pre-training (IPT) and supervised fine-tuning (SFT) techniques to enhance LLM performance in specialized tasks. Using LangChain, we develop a dynamic nursing assistant capable of real-time care and personalized interventions. Experimental results demonstrate significant improvements, paving the way for AI-driven solutions to meet the growing demands of healthcare in aging populations.
Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)の看護・介護への応用について検討し,AIによる患者モニタリングとインタラクションに着目した。我々は,中国の看護データセットを導入し,インクリメンタル・プレトレーニング(IPT)と教師付き微調整(SFT)技術を実装し,特殊タスクにおけるLLM性能を向上させる。 LangChainを用いて、リアルタイムケアとパーソナライズされた介入が可能な動的看護アシスタントを開発する。実験結果は、高齢人口における医療の需要の増加に対応するために、AI駆動型ソリューションの道を開くことで、大幅な改善を示している。

関連論文リスト

TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。 TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
論文参考訳（メタデータ） (2025-03-26T15:58:16Z)
Improving Retrospective Language Agents via Joint Policy Gradient Optimization [57.35348425288859]
RetroActは、言語エージェントのタスク計画と自己反射進化機能を共同で最適化するフレームワークである。模倣学習と強化学習を統合した2段階共同最適化プロセスを開発した。 RetroActはタスクのパフォーマンスと意思決定プロセスを大幅に改善しています。
論文参考訳（メタデータ） (2025-03-03T12:54:54Z)
A Hybrid Data-Driven Approach For Analyzing And Predicting Inpatient Length Of Stay In Health Centre [0.0]
本研究は,患者フローの最適化のためのオール・エンコンパス・フレームワークを提案する。我々は、230万件の未確認患者記録の包括的なデータセットを用いて、人口統計、診断、治療、サービス、費用、料金を分析した。本モデルでは,患者の入院時間(LoS)を教師付き学習アルゴリズムを用いて予測する。
論文参考訳（メタデータ） (2025-01-30T18:01:48Z)
Integrating Reinforcement Learning and AI Agents for Adaptive Robotic Interaction and Assistance in Dementia Care [5.749791442522375]
本研究では,社会的支援型ロボット,強化学習(RL),大規模言語モデル(LLM),臨床領域の専門知識をシミュレートされた環境に組み込むことにより,認知症ケアの進歩に向けた新たなアプローチを探求する。
論文参考訳（メタデータ） (2025-01-28T06:38:24Z)
Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
論文参考訳（メタデータ） (2024-10-24T15:41:56Z)
Toward Large Language Models as a Therapeutic Tool: Comparing Prompting Techniques to Improve GPT-Delivered Problem-Solving Therapy [6.952909762512736]
そこで本研究では,大規模言語モデル (LLM) を指導するためのプロンプトエンジニアリングの効果について検討する。本稿では,プロンプトエンジニアリング手法を適切に利用することにより,プロトタイズされた治療を提供するモデルの能力を向上できることを実証する。
論文参考訳（メタデータ） (2024-08-27T17:25:16Z)
Speaking the Same Language: Leveraging LLMs in Standardizing Clinical Data for AI [0.0]
本研究は、医療データの標準化など、特定の課題に対処するため、大規模言語モデルの採用を念頭においている。この結果から,大規模言語モデルを用いることで手作業によるデータキュレーションの必要性が著しく低下することが示唆された。提案手法は、医療におけるAIの統合を迅速化し、患者のケアの質を向上させるとともに、AIのためのデータ作成に必要な時間と資金を最小化する。
論文参考訳（メタデータ） (2024-08-16T20:51:21Z)
STLLaVA-Med: Self-Training Large Language and Vision Assistant for Medical Question-Answering [58.79671189792399]
STLLaVA-Medは、医療ビジュアルインストラクションデータを自動生成できるポリシーモデルを訓練するために設計されている。 STLLaVA-Medの有効性とデータ効率を3つの主要な医用視覚質問応答(VQA)ベンチマークで検証した。
論文参考訳（メタデータ） (2024-06-28T15:01:23Z)
Towards Human-AI Collaboration in Healthcare: Guided Deferral Systems with Large Language Models [1.2281181385434294]
大規模言語モデル(LLM)は、医療における様々なアプリケーションに有用な技術を提供する。彼らの幻覚傾向は、批判的な意思決定の状況において受け入れ難い不確実性をもたらす。人間とAIのコラボレーションは、より良い結果を得るために人間とAIの強みを組み合わせることで、この不確実性を軽減することができる。本稿では,AIが人間の意思決定者に対してケースをデフェクトした場合にインテリジェントなガイダンスを提供する,新しいガイド付きデフェラルシステムを提案する。
論文参考訳（メタデータ） (2024-06-11T12:41:54Z)
Multi-Site Clinical Federated Learning using Recursive and Attentive Models and NVFlare [13.176351544342735]
本稿では、データプライバシと規制コンプライアンスの課題に対処する統合フレームワークを開発する。これには、データのプライバシと規制コンプライアンスの課題に対処し、高い精度を維持し、提案されたアプローチの有効性を実証する統合フレームワークの開発が含まれている。
論文参考訳（メタデータ） (2023-06-28T17:00:32Z)
MedAlpaca -- An Open-Source Collection of Medical Conversational AI Models and Training Data [40.97474177100237]
大規模言語モデル(LLM)は、医療、診断、患者医療、教育を改善するためのかなりの約束を持っている。しかし、患者のプライバシを保護するために、オンプレミスでデプロイできるオープンソースモデルが緊急に必要である。本稿では、160,000以上のエントリからなる革新的なデータセットについて紹介する。
論文参考訳（メタデータ） (2023-04-14T11:28:08Z)
Large Language Models for Healthcare Data Augmentation: An Example on Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文参考訳（メタデータ） (2023-03-24T03:14:00Z)
Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文参考訳（メタデータ） (2023-03-14T16:03:28Z)

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。