論文の概要: RECOVER: Designing a Large Language Model-based Remote Patient Monitoring System for Postoperative Gastrointestinal Cancer Care

• arxiv url: http://arxiv.org/abs/2502.05740v1
• Date: Sun, 09 Feb 2025 01:51:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:30:12.776995
• Title: RECOVER: Designing a Large Language Model-based Remote Patient Monitoring System for Postoperative Gastrointestinal Cancer Care
• Title（参考訳）: 大腸癌術後医療のための大規模言語モデルを用いた遠隔患者モニタリングシステムの構築
• Authors: Ziqi Yang, Yuxuan Lu, Jennifer Bagdasarian, Vedant Das Swain, Ritu Agarwal, Collin Campbell, Waddah Al-Refaire, Jehan El-Bayoumi, Guodong Gao, Dakuo Wang, Bingsheng Yao, Nawar Shara,
• Abstract要約: 大きな言語モデル(LLM)は、臨床統合を通じて遠隔患者の監視システムに役立つ。 本稿では,大規模言語モデル(LLM)の最近の進歩が遠隔患者モニタリング(RPM)システムにどのような効果をもたらすかを検討する。 LLMを用いた術後GI癌治療用RPMシステムであるRECOVERを開発した。
• 参考スコア（独自算出の注目度）: 23.71868627538337
• License:
• Abstract: Cancer surgery is a key treatment for gastrointestinal (GI) cancers, a group of cancers that account for more than 35% of cancer-related deaths worldwide, but postoperative complications are unpredictable and can be life-threatening. In this paper, we investigate how recent advancements in large language models (LLMs) can benefit remote patient monitoring (RPM) systems through clinical integration by designing RECOVER, an LLM-powered RPM system for postoperative GI cancer care. To closely engage stakeholders in the design process, we first conducted seven participatory design sessions with five clinical staff and interviewed five cancer patients to derive six major design strategies for integrating clinical guidelines and information needs into LLM-based RPM systems. We then designed and implemented RECOVER, which features an LLM-powered conversational agent for cancer patients and an interactive dashboard for clinical staff to enable efficient postoperative RPM. Finally, we used RECOVER as a pilot system to assess the implementation of our design strategies with four clinical staff and five patients, providing design implications by identifying crucial design elements, offering insights on responsible AI, and outlining opportunities for future LLM-powered RPM systems.
• Abstract（参考訳）: がん手術は、世界中のがん関連死亡の35%以上を占めるがん群である消化管癌(GI)に対する重要な治療であるが、術後合併症は予測不可能であり、生命を脅かす可能性がある。 本稿では,大言語モデル(LLM)の最近の進歩が遠隔患者モニタリング(RPM)システムにどのような効果をもたらすかを検討する。 設計プロセスに利害関係者を深く関与させるため,まず5名の臨床スタッフと参加型デザインセッションを7回実施し,5名のがん患者にインタビューを行い,臨床ガイドラインと情報ニーズをLCMベースのRPMシステムに統合するための6つの主要な設計戦略を導出した。 そこで我々は,LLMを用いたがん患者のための会話エージェントであるRECOVERと,効率的な術後RPMを実現するための臨床スタッフのためのインタラクティブダッシュボードを設計,実装した。 最後に、RECOVERをパイロットシステムとして使用し、4人の臨床スタッフと5人の患者でデザイン戦略の実装を評価し、重要なデザイン要素を特定し、責任あるAIに関する洞察を提供し、将来のLCMを利用したRPMシステムの機会を概説することで、設計上の意味を提供する。

関連論文リスト

• SaludConectaMX: Lessons Learned from Deploying a Cooperative Mobile Health System for Pediatric Cancer Care in Mexico [33.91720564325487]
  SaludConectaMXは、メキシコのがん患児に対する化学療法を通しての合併症の要因を追跡し、理解するための総合的なシステムである。 本システムは,Webアプリケーション(病院職員用)とモバイルアプリケーション(家族介護者用)から構成される。 本稿では,1.5年間のパイロット実験によるシステム設計およびユーザビリティ評価結果について述べる。
  論文  参考訳（メタデータ） (2024-08-01T19:13:49Z)
• CancerLLM: A Large Language Model in Cancer Domain [17.696798724373934]
  CancerLLMは70億のパラメータとMistralスタイルのアーキテクチャを持つモデルで、17のがんタイプをカバーする2,676,642の臨床ノートと515,524の病理報告で事前訓練されている。 以上の結果から,ClancLLMは既存LLMと比較して平均F1スコアが7.61 %向上した。
  論文  参考訳（メタデータ） (2024-06-15T01:02:48Z)
• Adapting Open-Source Large Language Models for Cost-Effective, Expert-Level Clinical Note Generation with On-Policy Reinforcement Learning [19.08691249610632]
  本研究では,オープンソースのLLaMA-213億パラメータモデルに対する包括的ドメイン・タスク特化プロセスを提案する。 教師モデルとしてGemini 1.0 Proを用いて、政治強化学習を行うための新しいアプローチであるDistillDirectを導入する。 我々のモデルであるLLaMA-Clinicは、医師が作成したものと同等の品質の臨床メモを生成することができる。
  論文  参考訳（メタデータ） (2024-04-25T15:34:53Z)
• Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
  皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。 近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。 本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2023-11-20T10:45:39Z)
• Synthesizing Missing MRI Sequences from Available Modalities using Generative Adversarial Networks in BraTS Dataset [0.0]
  グリオ芽腫は、非常に攻撃的で致命的な脳腫瘍である。 4つの構造体(T1, T1Gd, T2, T2-FLAIR)のMRIシーケンスが常に利用できるとは限らない。 GAN(Generative Adversarial Networks)は、欠落したMRIシーケンスを合成するために用いられる。
  論文  参考訳（メタデータ） (2023-10-11T07:27:28Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• VBridge: Connecting the Dots Between Features, Explanations, and Data for Healthcare Models [85.4333256782337]
  VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。 我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。 症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
  論文  参考訳（メタデータ） (2021-08-04T17:34:13Z)
• Leveraging a Joint of Phenotypic and Genetic Features on Cancer Patient Subgrouping [7.381190270069632]
  がん患者サブグループのための表現型および遺伝的特徴の関節を利用したシステムを開発した。 機能前処理では、最も関連する機能を保ちながらフィルタリングを行いました。 がん患者分類では、Random Forests (RF)、Decision Tree (DT)、Support Vector Machine (SVM)、Naive Bayes (NB)、Logistic Regression (LR)、Multilayer Perceptron (MLP)、Gradient Boosting (GB)、Convolutional Neural Network (CNN)、Feedforward Neural Network (FNN)の9つの機械学習モデルを活用しました。
  論文  参考訳（メタデータ） (2021-03-30T13:07:05Z)
• CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of Skin Cancer from Dermoscopy Images [71.68436132514542]
  皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。 本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
  論文  参考訳（メタデータ） (2020-11-21T02:17:59Z)

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。