論文の概要: A Machine Learning Approach for Emergency Detection in Medical Scenarios Using Large Language Models

• arxiv url: http://arxiv.org/abs/2412.16341v1
• Date: Fri, 20 Dec 2024 21:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 16:00:36.405431
• Title: A Machine Learning Approach for Emergency Detection in Medical Scenarios Using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた医療シナリオにおける緊急診断のための機械学習アプローチ
• Authors: Ferit Akaybicen, Aaron Cummings, Lota Iwuagwu, Xinyue Zhang, Modupe Adewuyi,
• Abstract要約: 本稿では,大規模言語モデル(LLM)を活用した新しいアプローチを提案する。 我々は,複数のLLaMAモデルを用いた包括的システムを開発し,医療シナリオを緊急時・非緊急時として分類した。 その結果、LLaMA 2 (7B) モデルは99.7%の精度で、LLaMA 3.2 (3B) は99.6%の精度で最適なプロンプトエンジニアリングを実現した。
• 参考スコア（独自算出の注目度）: 2.7637413909970268
• License:
• Abstract: The rapid identification of medical emergencies through digital communication channels remains a critical challenge in modern healthcare delivery, particularly with the increasing prevalence of telemedicine. This paper presents a novel approach leveraging large language models (LLMs) and prompt engineering techniques for automated emergency detection in medical communications. We developed and evaluated a comprehensive system using multiple LLaMA model variants (1B, 3B, and 7B parameters) to classify medical scenarios as emergency or non-emergency situations. Our methodology incorporated both system prompts and in-prompt training approaches, evaluated across different hardware configurations. The results demonstrate exceptional performance, with the LLaMA 2 (7B) model achieving 99.7% accuracy and the LLaMA 3.2 (3B) model reaching 99.6% accuracy with optimal prompt engineering. Through systematic testing of training examples within the prompts, we identified that including 10 example scenarios in the model prompts yielded optimal classification performance. Processing speeds varied significantly between platforms, ranging from 0.05 to 2.2 seconds per request. The system showed particular strength in minimizing high-risk false negatives in emergency scenarios, which is crucial for patient safety. The code implementation and evaluation framework are publicly available on GitHub, facilitating further research and development in this crucial area of healthcare technology.
• Abstract（参考訳）: デジタル・コミュニケーション・チャネルによる医療緊急事態の迅速同定は、現代医療、特に遠隔医療の普及において重要な課題である。 本稿では,大規模言語モデル(LLM)を活用した新しいアプローチを提案する。 複数のLLaMAモデル変異体 (1B, 3B, 7Bパラメータ) を用いて, 医療シナリオを緊急時, 非緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時, 緊急時) に分類し, 包括的システムを構築し, 評価した。 提案手法は,異なるハードウェア構成で評価されたシステムプロンプトとインプロンプトトレーニングの両方を取り入れた。 その結果、LLaMA 2 (7B) モデルは99.7%の精度で、LLaMA 3.2 (3B) は99.6%の精度で最適なプロンプトエンジニアリングを実現した。 提案手法の学習例の系統的なテストを通じて,モデルにおける10例のシナリオを含め,最適分類性能が得られたことを確認した。 処理速度はプラットフォーム間で大きく異なり、1要求あたり0.05秒から2.2秒であった。 このシステムは、患者の安全に不可欠な緊急シナリオにおいて、リスクの高い偽陰性を最小限に抑える上で、特に強みを示した。 コード実装と評価フレームワークはGitHubで公開されており、この重要な医療技術領域におけるさらなる研究と開発を促進する。

関連論文リスト

• Large language models are good medical coders, if provided with tools [0.0]
  本研究は,ICD-10-CM自動医療符号化のための2段階リトリーブ・ランクシステムを提案する。 両方のシステムを100の単一長期医療条件のデータセットで評価する。 Retrieve-Rank システムは正しい ICD-10-CM 符号の予測において100%の精度を達成した。
  論文  参考訳（メタデータ） (2024-07-06T06:58:51Z)
• Think Step by Step: Chain-of-Gesture Prompting for Error Detection in Robotic Surgical Videos [18.106255939686545]
  このレターでは、新しいエンドツーエンドエラー検出フレームワークであるChain-of-Thought(COG)のプロンプトを提示する。 これは、専門家外科医の意思決定プロセスを模倣するために設計された2つの推論モジュールを含んでいる。 本手法は,F1スコアの4.6%,精度の4.6%,ジャカード指数の5.9%,各フレームを平均6.69ミリ秒で処理しながら,外科的活動に固有の推論過程をカプセル化する。
  論文  参考訳（メタデータ） (2024-06-27T14:43:50Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• Specialty detection in the context of telemedicine in a highly imbalanced multi-class distribution [3.992328888937568]
  この研究は、アラビア語の医学的問題に対するマルチクラスと高度に不均衡なデータセットを扱うことに焦点を当てている。 提案されたモジュールは、同期および非同期の医療コンサルテーションの両方にデプロイされる。
  論文  参考訳（メタデータ） (2024-02-21T06:39:04Z)
• Neural machine translation of clinical procedure codes for medical diagnosis and uncertainty quantification [1.974814309194804]
  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)
• An Evidential Real-Time Multi-Mode Fault Diagnosis Approach Based on Broad Learning System [26.733033919978364]
  本稿では,産業システムにおけるリアルタイムマルチモード故障診断のための新しい手法を提案する。 提案手法では,拡張エビデンス推論 (ER) アルゴリズムを用いて情報を融合し,異なる基底分類器から出力をマージする。 提案手法の有効性は、マルチモードのテネシー・イーストマンプロセスデータセット上で実証される。
  論文  参考訳（メタデータ） (2023-04-29T04:42:44Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
  本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。 我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。 我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
  論文  参考訳（メタデータ） (2022-10-21T16:31:46Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)

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。