論文の概要: AI-Driven Electronic Health Records System for Enhancing Patient Data Management and Diagnostic Support in Egypt
- arxiv url: http://arxiv.org/abs/2502.05603v1
- Date: Sat, 08 Feb 2025 15:14:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-11 14:33:53.665456
- Title: AI-Driven Electronic Health Records System for Enhancing Patient Data Management and Diagnostic Support in Egypt
- Title（参考訳）: エジプトにおける患者データ管理と診断支援を支援するAI駆動型電子健康記録システム
- Authors: Arwa Alorbany, Mariam Sheta, Ahmed Hagag, Mohamed Elshaarawy, Youssef Elharty, Ahmed Fares,
- Abstract要約: このプロジェクトは、エジプトのユニバーサルヘルス保険と医療エコシステムのためのEHRシステムを導入している。
マイクロサービスアーキテクチャとリアルタイムアクセスとプロバイダ通信のためのポリグロット永続性によって、医療履歴を集中化することで、データ管理を単純化する。
- 参考スコア（独自算出の注目度）: 2.0726190386988574
- License:
- Abstract: Digital healthcare infrastructure is crucial for global medical service delivery. Egypt faces EHR adoption barriers: only 314 hospitals had such systems as of Oct 2024. This limits data management and decision-making. This project introduces an EHR system for Egypt's Universal Health Insurance and healthcare ecosystem. It simplifies data management by centralizing medical histories with a scalable micro-services architecture and polyglot persistence for real-time access and provider communication. Clinical workflows are enhanced via patient examination and history tracking. The system uses the Llama3-OpenBioLLM-70B model to generate summaries of medical histories, provide chatbot features, and generate AI-based medical reports, enabling efficient searches during consultations. A Vision Transformer (ViT) aids in pneumonia classification. Evaluations show the AI excels in capturing details (high recall) but needs improvement in concise narratives. With optimization (retrieval-augmented generation, local data fine-tuning, interoperability protocols), this AI-driven EHR could enhance diagnostic support, decision-making, and healthcare delivery in Egypt.
- Abstract（参考訳）: デジタル医療インフラは、グローバルな医療サービス提供に不可欠である。
エジプトはEHR採用障壁に直面しており、2024年10月時点で314の病院しかそのようなシステムを持っていなかった。
これによりデータ管理と意思決定が制限される。
このプロジェクトは、エジプトのユニバーサルヘルス保険と医療エコシステムのためのEHRシステムを導入している。
スケーラブルなマイクロサービスアーキテクチャと、リアルタイムアクセスとプロバイダ通信のためのポリグロット永続性を備えた、医療履歴の集中化によるデータ管理の簡略化。
臨床ワークフローは、患者の診察と履歴追跡によって強化される。
このシステムは、Llama3-OpenBioLLM-70Bモデルを使用して、医療履歴の要約を生成し、チャットボット機能を提供し、AIベースの医療レポートを生成し、コンサルティング中の効率的な検索を可能にする。
Vision Transformer (ViT) は肺炎の分類を助ける。
評価は、AIが細部(高いリコール)を捉えるのに優れているが、簡潔な物語を改善する必要があることを示している。
最適化(retrieval-augmented generation, local data fine-tuning, 相互運用プロトコル)によって、このAI駆動のEHRは、エジプトにおける診断サポート、意思決定、ヘルスケアデリバリを強化することができる。
関連論文リスト
- Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments [0.0]
本研究は, 患者トリアージ, 治療計画, 救急管理全般において, LLM駆動型CDSSを用いて, ED医師や看護師を支援することを目的とするものである。
このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。
トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
論文 参考訳（メタデータ） (2024-08-14T13:03:41Z) - 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) - GAMedX: Generative AI-based Medical Entity Data Extractor Using Large Language Models [1.123722364748134]
本稿では,Large Language Models(LLMs)を利用した名前付きエンティティ認識(NER)アプローチであるGAMedXを紹介する。
この方法論は、NERのためのオープンソースのLCMを統合し、特殊な医学用語の複雑さをナビゲートするために、連鎖プロンプトとピダンティックスキーマを構造化出力に利用している。
その結果, 評価データセットの1つに対して, 98%の精度でROUGE F1の有意なスコアが得られた。
論文 参考訳（メタデータ） (2024-05-31T02:53:22Z) - WisPerMed at "Discharge Me!": Advancing Text Generation in Healthcare with Large Language Models, Dynamic Expert Selection, and Priming Techniques on MIMIC-IV [0.38084074204911494]
本研究は, アウトレット・サマリーの「Brief Hospital Course」と「Discharge Instructions」を自動生成するために, 最先端の言語モデルを活用することを目的としている。
医療施設において, 自動化がドキュメンテーションの精度を向上し, クリニックのバーンアウトを緩和し, 運用効率を向上させる方法について検討した。
論文 参考訳（メタデータ） (2024-05-18T10:56:45Z) - Bespoke Large Language Models for Digital Triage Assistance in Mental Health Care [0.20971479389679337]
大規模言語モデル(LLM)は、電子的な健康記録に含まれる、構造化されていない、物語のない臨床データを処理するためのユーティリティを持つ。
2023年の毎月、370,000人から470,000人の新規紹介者が、二次的なメンタルヘルスケアサービスに移行した。
LLMをベースとした可変長臨床ERHデータのエンド・ツー・エンドの摂取に関する3つのアプローチを提案し,その評価を行った。
論文 参考訳（メタデータ） (2024-03-28T19:17:07Z) - MedAlign: A Clinician-Generated Dataset for Instruction Following with
Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。
医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。
我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文 参考訳（メタデータ） (2023-08-27T12:24:39Z) - The Design and Implementation of a National AI Platform for Public
Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。
このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。
AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文 参考訳（メタデータ） (2023-04-24T08:00:02Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z)
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。