Fugu-MT 論文翻訳(概要): Transforming Tuberculosis Care: Optimizing Large Language Models For Enhanced Clinician-Patient Communication

論文の概要: Transforming Tuberculosis Care: Optimizing Large Language Models For Enhanced Clinician-Patient Communication

arxiv url: http://arxiv.org/abs/2502.21236v1
Date: Fri, 28 Feb 2025 17:05:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-03 13:43:34.137662
Title: Transforming Tuberculosis Care: Optimizing Large Language Models For Enhanced Clinician-Patient Communication
Title（参考訳）: トランスフォーミング結核ケア : 臨床医と患者とのコミュニケーション向上のための大規模言語モデルの最適化
Authors: Daniil Filienko, Mahek Nizar, Javier Roberti, Denise Galdamez, Haroon Jakher, Sarah Iribarren, Weichao Yuwen, Martine De Cock,
Abstract要約: 本稿では,治療支援者との対話的コミュニケーションを強化するために,専門的な大規模言語モデルを効果的なデジタルアテンデンス技術に統合することを提案する。このAIを利用したアプローチは、ヒトのループフレームワーク内で動作し、患者のエンゲージメントを高め、TB治療結果を改善することを目的としている。
参考スコア（独自算出の注目度）: 3.4580737195426545
License:
Abstract: Tuberculosis (TB) is the leading cause of death from an infectious disease globally, with the highest burden in low- and middle-income countries. In these regions, limited healthcare access and high patient-to-provider ratios impede effective patient support, communication, and treatment completion. To bridge this gap, we propose integrating a specialized Large Language Model into an efficacious digital adherence technology to augment interactive communication with treatment supporters. This AI-powered approach, operating within a human-in-the-loop framework, aims to enhance patient engagement and improve TB treatment outcomes.
Abstract（参考訳）: 結核 (TB) は世界中の感染症の死因であり、低所得国や中所得国で最大の負担となっている。これらの地域では、医療アクセスの制限と患者対プロジェクターの比率が高いことが、効果的な患者支援、コミュニケーション、治療の完了を阻害する。このギャップを埋めるため、我々は、治療支援者との対話的コミュニケーションを強化するために、専門の大規模言語モデルを効果的なデジタルアテンデンス技術に統合することを提案する。このAIを利用したアプローチは、ヒトのループフレームワーク内で動作し、患者のエンゲージメントを高め、TB治療結果を改善することを目的としている。

関連論文リスト

Continually Evolved Multimodal Foundation Models for Cancer Prognosis [50.43145292874533]
がん予後は、患者の予後と生存率を予測する重要なタスクである。これまでの研究では、臨床ノート、医療画像、ゲノムデータなどの多様なデータモダリティを統合し、補完的な情報を活用している。既存のアプローチには2つの大きな制限がある。まず、各病院の患者記録など、各種のトレーニングに新しく到着したデータを組み込むことに苦慮する。第二に、ほとんどのマルチモーダル統合手法は単純化された結合やタスク固有のパイプラインに依存しており、モダリティ間の複雑な相互依存を捉えることができない。
論文参考訳（メタデータ） (2025-01-30T06:49:57Z)
Deep Learning for Ophthalmology: The State-of-the-Art and Future Trends [7.893548922956548]
人工知能(AI)の出現は眼科領域において新たな時代を迎えている。本総説では, 深層学習(DL)の様々な眼環境における最先端の応用について検討する。
論文参考訳（メタデータ） (2025-01-07T18:53:14Z)
Asymmetrical Reciprocity-based Federated Learning for Resolving Disparities in Medical Diagnosis [68.06621490069428]
地理的な健康格差は、特に低所得国と中所得国の未保存地域において、世界的課題となっている。我々は、地理的な健康格差を緩和し、未保存地域の診断能力を増強することを目的とした、新しいクロスサイロ・フェデレーション学習フレームワークであるFedHelpを提案する。
論文参考訳（メタデータ） (2024-12-27T13:59:58Z)
Patient-Specific Models of Treatment Effects Explain Heterogeneity in Tuberculosis [41.015496177711334]
結核(英: tuberculosis、TB)は、HIV、糖尿病、貧血などの共同病原体が合併した世界的な健康問題である。 TBの伝統的なモデルは、広範に定義された患者グループに焦点を当てることで、この異種性を見落としていることが多い。マルチタスク学習手法である文脈的モデリングを用いて、粗い部分群解析を超えて移動することを提案する。
論文参考訳（メタデータ） (2024-11-16T00:55:24Z)
Toward Large Language Models as a Therapeutic Tool: Comparing Prompting Techniques to Improve GPT-Delivered Problem-Solving Therapy [6.952909762512736]
そこで本研究では,大規模言語モデル (LLM) を指導するためのプロンプトエンジニアリングの効果について検討する。本稿では,プロンプトエンジニアリング手法を適切に利用することにより,プロトタイズされた治療を提供するモデルの能力を向上できることを実証する。
論文参考訳（メタデータ） (2024-08-27T17:25:16Z)
Speaking the Same Language: Leveraging LLMs in Standardizing Clinical Data for AI [0.0]
本研究は、医療データの標準化など、特定の課題に対処するため、大規模言語モデルの採用を念頭においている。この結果から,大規模言語モデルを用いることで手作業によるデータキュレーションの必要性が著しく低下することが示唆された。提案手法は、医療におけるAIの統合を迅速化し、患者のケアの質を向上させるとともに、AIのためのデータ作成に必要な時間と資金を最小化する。
論文参考訳（メタデータ） (2024-08-16T20:51:21Z)
Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
論文参考訳（メタデータ） (2024-06-19T18:10:06Z)
Transforming Dental Diagnostics with Artificial Intelligence: Advanced Integration of ChatGPT and Large Language Models for Patient Care [0.196629787330046]
本研究は,最先端の大規模言語モデル(LLM)が歯科治療に与える影響を考察し,歯科領域に焦点をあてた。 ChatGPT-4の出現は、特に口腔外科の領域において、歯科診療にかなりの進展をもたらす可能性がある。学術や医療など、様々な分野における幅広い意味と課題を批判的に評価する。
論文参考訳（メタデータ） (2024-06-07T06:44:09Z)
Large Language Models for Healthcare Data Augmentation: An Example on Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文参考訳（メタデータ） (2023-03-24T03:14:00Z)
Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文参考訳（メタデータ） (2022-09-07T05:01:38Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)

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。