論文の概要: Generative Artificial Intelligence: Implications for Biomedical and Health Professions Education
- arxiv url: http://arxiv.org/abs/2501.10186v1
- Date: Fri, 17 Jan 2025 13:32:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-20 13:59:48.248126
- Title: Generative Artificial Intelligence: Implications for Biomedical and Health Professions Education
- Title(参考訳): 創発的人工知能 : 医学・健康専門教育における意味
- Authors: William Hersh,
- Abstract要約: 生成的AIは、職業的仕事と教育の両方において、バイオメディシンと健康に大きな影響を与えてきた。
大きな言語モデル(LLM)に基づいて、医療委員会試験のシミュレーション状況において、生成的AIは人間と同様に機能することが判明した。
ジェネレーティブAIは、教育でも広く使われており、学術コースや評価でうまく機能している。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Generative AI has had a profound impact on biomedicine and health, both in professional work and in education. Based on large language models (LLMs), generative AI has been found to perform as well as humans in simulated situations taking medical board exams, answering clinical questions, solving clinical cases, applying clinical reasoning, and summarizing information. Generative AI is also being used widely in education, performing well in academic courses and their assessments. This review summarizes the successes of LLMs and highlights some of their challenges in the context of education, most notably aspects that may undermines the acquisition of knowledge and skills for professional work. It then provides recommendations for best practices overcoming shortcomings for LLM use in education. Although there are challenges for use of generative AI in education, all students and faculty, in biomedicine and health and beyond, must have understanding and be competent in its use.
- Abstract(参考訳): 生成的AIは、職業的仕事と教育の両方において、バイオメディシンと健康に大きな影響を与えてきた。
大きな言語モデル(LLM)に基づいて、医療委員会試験のシミュレーション、臨床問題への回答、臨床事例の解決、臨床推論の適用、情報の要約といった状況において、生成AIが人間と同等に機能することが判明した。
ジェネレーティブAIは、教育でも広く使われており、学術コースや評価でうまく機能している。
このレビューでは、LLMの成功を要約し、教育の文脈における彼らの課題のいくつか、特に専門職の知識とスキルの獲得を損なう可能性のある側面を強調している。
その後、教育におけるLLM使用の欠点を克服するベストプラクティスを推奨する。
ジェネレーティブAIを教育に利用するための課題はあるが、すべての学生と教員は、バイオメディシンや健康などにおいて、その利用について理解し、有能でなければならない。
関連論文リスト
- Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。
我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
論文 参考訳(メタデータ) (2024-11-16T18:19:53Z) - A Perspective for Adapting Generalist AI to Specialized Medical AI Applications and Their Challenges [33.20745682286796]
大規模言語モデル(LLM)の医療応用への統合は、医療業界で広く関心を集めている。
本稿では,LSMを利用した医療用AIアプリケーション構築の内的課題について論じる。
論文 参考訳(メタデータ) (2024-10-28T22:30:06Z) - 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) - Promoting AI Competencies for Medical Students: A Scoping Review on Frameworks, Programs, and Tools [1.8402287369342527]
医療におけるAIの重要性の高まりにもかかわらず、それが伝統的な、しばしば過負荷の医療カリキュラムに採用されている範囲は不明である。
このレビューは、AI能力のある医療従事者を構築するための実践的で関連する教育戦略を開発するためのロードマップを提供する。
論文 参考訳(メタデータ) (2024-07-10T16:34:41Z) - Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。
本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
論文 参考訳(メタデータ) (2023-12-27T14:37:32Z) - A Survey of Large Language Models in Medicine: Progress, Application, and Challenge [85.09998659355038]
大規模言語モデル (LLM) は、人間の言語を理解し、生成する能力のために大きな注目を集めている。
本総説は,医学におけるLSMの開発と展開について概説することを目的としている。
論文 参考訳(メタデータ) (2023-11-09T02:55:58Z) - Friend or Foe? Exploring the Implications of Large Language Models on
the Science System [0.0]
OpenAIによるChatGPTは、科学と高等教育の潜在的な意味について広範な議論を引き起こしている。
この研究は、科学における生成AIの影響についての情報的な議論に寄与する。
論文 参考訳(メタデータ) (2023-06-16T15:50:17Z) - 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) - Readying Medical Students for Medical AI: The Need to Embed AI Ethics
Education [2.4366811507669124]
本稿では,効果的な教育改革の枠組みを提案する。
既存の生物倫理学や医療倫理学のカリキュラムを平均化し、医療AIに関連する倫理的問題についてコンテンツを開発し提供します。
論文 参考訳(メタデータ) (2021-09-07T04:57:29Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳(メタデータ) (2021-01-19T12:23:32Z) - Achievements and Challenges in Explaining Deep Learning based
Computer-Aided Diagnosis Systems [4.9449660544238085]
我々は、既知の疾患基準の検証のための説明可能なAIの開発における初期の成果について論じる。
我々は、臨床意思決定支援ツールとしてのAIの実践的応用の道に立つ、残る課題をいくつか強調する。
論文 参考訳(メタデータ) (2020-11-26T08:08:19Z)
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。