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 17:59:09.773913
• 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: http://creativecommons.org/licenses/by-nc-sa/4.0/
• 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

• Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI [4.1150261845357194]
  問題ベースラーニング(PBL)は2000年代初頭に導入されて以来、バイオメディカルエンジニアリング(BME)教育に大きな影響を与えてきた。 2024年のノーベル賞によるAIの認定を含む最近の進歩は、バイオメディカルAIにおいて学生を包括的に訓練することの重要性を強調している。 バイオメディカルAI教育に特化した高度なフレームワークの実装を目的として,3年間のケーススタディを行った。
  論文  参考訳（メタデータ） (2025-03-20T00:52:02Z)
• LLM Agents for Education: Advances and Applications [49.3663528354802]
  大規模言語モデル(LLM)エージェントは、タスクの自動化と多様な教育アプリケーションにおけるイノベーションの推進において、顕著な能力を示した。 本調査は、LLMエージェントの総合的技術概要を提供することを目的としており、学習者や教育者のより大きな利益に対する影響を高めるために、さらなる研究と協力を促進することを目的としている。
  論文  参考訳（メタデータ） (2025-03-14T11:53:44Z)
• Merging Clinical Knowledge into Large Language Models for Medical Research and Applications: A Survey [9.359273536688066]
  医療人工知能(メディカルAI)は、現実の医療シナリオに学術的な医療AIシステムを適用することを目的としている。 この調査は、臨床データベース、データセット、トレーニングパイプラインの使用、医療知識グラフの統合、システム応用、評価システムなど、医療AIシステムの構築パラダイムに焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-28T12:00:51Z)
• 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)
• 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)
• 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)
• A Conceptual Algorithm for Applying Ethical Principles of AI to Medical Practice [5.005928809654619]
  AIを利用するツールは、複数のドメインにまたがる専門家レベルのパフォーマンスに、ますます一致するか、超えている。 これらのシステムは、人口、人種、社会経済の境界を越えたケア提供の格差を減らすことを約束している。 このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。
  論文  参考訳（メタデータ） (2023-04-23T04:14:18Z)
• 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。