論文の概要: Regulatory Science Innovation for Generative AI and Large Language Models in Health and Medicine: A Global Call for Action
- arxiv url: http://arxiv.org/abs/2502.07794v1
- Date: Mon, 27 Jan 2025 06:21:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-16 05:04:38.829524
- Title: Regulatory Science Innovation for Generative AI and Large Language Models in Health and Medicine: A Global Call for Action
- Title(参考訳): 医療・医療におけるジェネレーティブAIと大規模言語モデルのための規制科学革新 : アクションのグローバルコール
- Authors: Jasmine Chiat Ling Ong, Yilin Ning, Mingxuan Liu, Yian Ma, Zhao Liang, Kuldev Singh, Robert T Chang, Silke Vogel, John CW Lim, Iris Siu Kwan Tan, Oscar Freyer, Stephen Gilbert, Danielle S Bitterman, Xiaoxuan Liu, Alastair K Denniston, Nan Liu,
- Abstract要約: 医療におけるジェネレーティブAI(GenAI)と大規模言語モデル(LLM)の統合は、前例のない機会と課題を示している。
我々は,GenAI と LLM に基づく医療機器規制に対する TPLC アプローチの制約について論じる。
これは適応政策や規制サンドボックスを含む革新的なアプローチの基盤となっている。
- 参考スコア(独自算出の注目度): 10.124390106392742
- License:
- Abstract: The integration of generative AI (GenAI) and large language models (LLMs) in healthcare presents both unprecedented opportunities and challenges, necessitating innovative regulatory approaches. GenAI and LLMs offer broad applications, from automating clinical workflows to personalizing diagnostics. However, the non-deterministic outputs, broad functionalities and complex integration of GenAI and LLMs challenge existing medical device regulatory frameworks, including the total product life cycle (TPLC) approach. Here we discuss the constraints of the TPLC approach to GenAI and LLM-based medical device regulation, and advocate for global collaboration in regulatory science research. This serves as the foundation for developing innovative approaches including adaptive policies and regulatory sandboxes, to test and refine governance in real-world settings. International harmonization, as seen with the International Medical Device Regulators Forum, is essential to manage implications of LLM on global health, including risks of widening health inequities driven by inherent model biases. By engaging multidisciplinary expertise, prioritizing iterative, data-driven approaches, and focusing on the needs of diverse populations, global regulatory science research enables the responsible and equitable advancement of LLM innovations in healthcare.
- Abstract(参考訳): 医療における生成AI(GenAI)と大規模言語モデル(LLM)の統合は、前例のない機会と課題の両方を示し、革新的な規制アプローチを必要としている。
GenAIとLLMは、臨床ワークフローの自動化から診断のパーソナライズに至るまで、幅広い用途を提供している。
しかし、非決定論的アウトプット、広範な機能、GenAIとLLMの複雑な統合は、TPLC(Total Product Life cycle)アプローチを含む既存の医療機器規制フレームワークに挑戦する。
本稿では,GenAI と LLM に基づく医療機器規制に対するTPLC アプローチの制約について論じ,規制科学研究における国際協力を提唱する。
これは、アダプティブポリシーや規制サンドボックスを含む革新的なアプローチを開発し、現実の環境でガバナンスをテストおよび洗練するための基盤となる。
国際医療デバイスレギュレータフォーラムで見られるように、国際調和は、固有のモデルバイアスによって引き起こされる健康上の不平等を拡大するリスクを含む、世界的な健康に対するLLMの影響を管理するために不可欠である。
多分野の専門知識に取り組み、反復的でデータ駆動的なアプローチを優先し、多様な人口のニーズに焦点を合わせることで、グローバルな規制科学研究は医療におけるLLMイノベーションの責任と公平な進歩を可能にします。
関連論文リスト
- Regulator-Manufacturer AI Agents Modeling: Mathematical Feedback-Driven Multi-Agent LLM Framework [3.9479574991566193]
本研究では,Large Language Models (LLMs) で拡張されたマルチエージェントモデリング手法を用いて,制御力学をシミュレートする。
本研究は,規制の変化が産業行動に与える影響を明らかにし,規制実践を改善する戦略的機会を特定することを目的とする。
論文 参考訳(メタデータ) (2024-11-22T22:02:56Z) - The Future of Intelligent Healthcare: A Systematic Analysis and Discussion on the Integration and Impact of Robots Using Large Language Models for Healthcare [4.297070083645049]
医療ロボティクスにおける大規模言語モデル(LLM)は、高齢化と医療専門家の不足に対する医療システムに対する大きな需要に対応するのに役立つ。
我々は、人間ロボットのインタラクション(HRI)、意味推論、タスクプランニングによるマルチモーダルコミュニケーションの観点から、健康的なLLMベースのロボットを設計するために必要なシステム要件を特定した。
さらに,この新興イノベーション分野の倫理的問題,オープン課題,今後の研究方向性についても論じる。
論文 参考訳(メタデータ) (2024-11-05T17:36:32Z) - 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) - Large language models for generating rules, yay or nay? [1.773865951534232]
本稿では,Large Language Models (LLM) を潜在的な世界モデルとして活用し,ソフトウェアシステムのエンジニアリングを加速する新しい手法を提案する。
このアプローチでは、LLMを使用してロジックルールを生成し、デプロイ前に中小企業によってレビューされ、通知される。
実験の結果, 1) LLMは実装をブートストラップする世界モデルを持ち, 2) LLMは専門家に比べてルールの数が少なく, 3) LLMはルールごとにしきい値を生成する能力を持っていないことがわかった。
論文 参考訳(メタデータ) (2024-06-10T22:44:25Z) - A Survey on Medical Large Language Models: Technology, Application, Trustworthiness, and Future Directions [23.36640449085249]
医学大言語モデル(Med-LLMs)の最近の進歩を辿る。
The wide-ranging application of Med-LLMs are investigated across various health domain。
公平性、説明責任、プライバシー、堅牢性を保証する上での課題について議論する。
論文 参考訳(メタデータ) (2024-06-06T03:15:13Z) - A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。
Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。
RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
論文 参考訳(メタデータ) (2024-05-10T02:48:45Z) - A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。
我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。
これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
論文 参考訳(メタデータ) (2024-05-02T22:43:02Z) - CRISPR-GPT: An LLM Agent for Automated Design of Gene-Editing Experiments [51.41735920759667]
大規模言語モデル(LLM)は様々なタスクにおいて有望であるが、しばしば特定の知識が欠如し、生物学的設計の問題を正確に解くのに苦労する。
本研究では,CRISPRに基づく遺伝子編集実験の設計プロセスを自動化するために,ドメイン知識と外部ツールを付加したLCMエージェントであるCRISPR-GPTを紹介する。
論文 参考訳(メタデータ) (2024-04-27T22:59:17Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - Natural Language Programming in Medicine: Administering Evidence Based Clinical Workflows with Autonomous Agents Powered by Generative Large Language Models [29.05425041393475]
ジェネレーティブ・大型言語モデル(LLM)は医療において大きな可能性を秘めている。
本研究は, シミュレーション3次医療センターにおいて, 自律型エージェントとして機能するLSMの可能性を評価した。
論文 参考訳(メタデータ) (2024-01-05T15:09:57Z) - Redefining Digital Health Interfaces with Large Language Models [69.02059202720073]
大規模言語モデル(LLM)は、複雑な情報を処理できる汎用モデルとして登場した。
LLMが臨床医とデジタル技術との新たなインターフェースを提供する方法を示す。
自動機械学習を用いた新しい予後ツールを開発した。
論文 参考訳(メタデータ) (2023-10-05T14:18:40Z)
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。