論文の概要: Multi Agent based Medical Assistant for Edge Devices

• arxiv url: http://arxiv.org/abs/2503.05397v1
• Date: Fri, 07 Mar 2025 13:20:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 19:13:15.0032
• Title: Multi Agent based Medical Assistant for Edge Devices
• Title（参考訳）: エッジデバイスのためのマルチエージェント型医療アシスタント
• Authors: Sakharam Gawade, Shivam Akhouri, Chinmay Kulkarni, Jagdish Samant, Pragya Sahu, Aastik, Jai Pahal, Saswat Meher,
• Abstract要約: 大規模アクションモデル(LAM)はインテリジェントな自動化に革命をもたらしたが、プライバシの懸念やレイテンシ、インターネットアクセスへの依存といった問題に直面している。 このレポートでは、これらの制限を克服する、オンデバイスでマルチエージェントなヘルスケアアシスタントを紹介します。 提案システムは、予約予約、健康モニタリング、薬物リマインダー、および毎日の健康レポートといった機能を備えた、医療ニーズに対するワンストップソリューションとして機能する。
• 参考スコア（独自算出の注目度）: 4.505031887752519
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large Action Models (LAMs) have revolutionized intelligent automation, but their application in healthcare faces challenges due to privacy concerns, latency, and dependency on internet access. This report introduces an ondevice, multi-agent healthcare assistant that overcomes these limitations. The system utilizes smaller, task-specific agents to optimize resources, ensure scalability and high performance. Our proposed system acts as a one-stop solution for health care needs with features like appointment booking, health monitoring, medication reminders, and daily health reporting. Powered by the Qwen Code Instruct 2.5 7B model, the Planner and Caller Agents achieve an average RougeL score of 85.5 for planning and 96.5 for calling for our tasks while being lightweight for on-device deployment. This innovative approach combines the benefits of ondevice systems with multi-agent architectures, paving the way for user-centric healthcare solutions.
• Abstract（参考訳）: 大規模アクションモデル(LAM)はインテリジェントな自動化に革命をもたらしたが、プライバシの懸念やレイテンシ、インターネットアクセスへの依存といった問題に直面している。 このレポートでは、これらの制限を克服する、オンデバイスでマルチエージェントなヘルスケアアシスタントを紹介します。 このシステムは、小さなタスク固有のエージェントを使用してリソースを最適化し、スケーラビリティと高性能を確保する。 提案システムは、予約予約、健康モニタリング、薬物リマインダー、および毎日の健康レポートといった機能を備えた、医療ニーズに対するワンストップソリューションとして機能する。 Qwen Code Instruct 2.5 7B モデルにより、Planner と Caller Agents は平均的な RougeL スコア 85.5 と 96.5 を達成し、デバイス上でのデプロイメントでは軽量である。 この革新的なアプローチは、オンデバイスシステムの利点とマルチエージェントアーキテクチャを組み合わせることで、ユーザ中心のヘルスケアソリューションへの道を開く。

関連論文リスト

• Toward Super Agent System with Hybrid AI Routers [19.22599167969104]
  スーパーエージェントは、要約、コーディング、研究など、多様なユーザニーズを満たすことができる。 このようなエージェントを現実世界のデプロイや大規模アクセスに有効にするためには、大幅な最適化が必要である。 本稿ではスーパーエージェントシステムの設計について述べる。
  論文  参考訳（メタデータ） (2025-04-11T00:54:56Z)
• SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation [89.24729958546168]
  我々は、(M)LLMベースのエージェントを評価するために設計された総合的なSmartPhone Agent BenchmarkであるSPA-B ENCHを提案する。 SPA-B ENCH は,(1) 日常のルーチンで一般的に使用される機能に着目した,英語と中国語の両方のサードパーティアプリを対象とした多様なタスクセット,(2) Android デバイスとのリアルタイムエージェントインタラクションを可能にするプラグイン・アンド・プレイフレームワーク,(3) 複数の次元でエージェントパフォーマンスを自動的に評価する新たな評価パイプライン,の3つの重要な貢献を提供する。
  論文  参考訳（メタデータ） (2024-10-19T17:28:48Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• MedAide: Leveraging Large Language Models for On-Premise Medical Assistance on Edge Devices [7.042194397224198]
  大規模言語モデル(LLM)は、その顕著な自然言語処理(NLP)能力によって、様々な領域に革命をもたらしている。 しかし,資源制約のあるエッジコンピューティングや組み込みシステムにLLMをデプロイすることは,大きな課題となる。 これらの課題には、限られた医療施設とインフラを備えた遠隔地での医療支援の提供が含まれる。
  論文  参考訳（メタデータ） (2024-02-28T08:30:49Z)
• AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
  AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。 豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
  論文  参考訳（メタデータ） (2024-02-21T04:11:28Z)
• When Large Language Model Agents Meet 6G Networks: Perception, Grounding, and Alignment [100.58938424441027]
  モバイル端末とエッジサーバの協調を利用した6GネットワークにおけるAIエージェントの分割学習システムを提案する。 提案システムでは,LLMのための新しいモデルキャッシングアルゴリズムを導入し,コンテキストにおけるモデル利用を改善する。
  論文  参考訳（メタデータ） (2024-01-15T15:20:59Z)
• Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
  テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。 いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。 本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-17T03:00:24Z)
• A health telemonitoring platform based on data integration from different sources [20.878143912804983]
  長期または慢性疾患の人々の管理は、国家の健康システムにとって最大の課題の1つである。 本稿では,医療用遠隔監視プラットフォームの実装について紹介する。このプラットフォームは,様々な消費者モバイルおよびカスタムデバイスから,さまざまな生理的健康パラメータをキャプチャするように設計されている。 このプラットフォームは、機械学習アルゴリズムを使って取得したデータを処理し、患者や医師に生理的健康パラメーターをユーザーフレンドリで総合的で理解しやすいダッシュボードで提供し、時間を通してパラメータを監視するように設計されている。
  論文  参考訳（メタデータ） (2022-07-28T07:13:04Z)
• Multi-agent Searching System for Medical Information [0.0]
  モバイルエージェントを使用する場合の利点について述べる。 提案システムは比較的高精度な96%を有する。
  論文  参考訳（メタデータ） (2022-03-23T14:58:43Z)
• Criticality and Utility-aware Fog Computing System for Remote Health Monitoring [0.31498833540989407]
  リアルタイムのスマートヘルスアプリケーションは、効率よく解決しなければならない遅延制約を生じさせる。 このようなリアルタイムアプリケーションのための効率的なソリューションとして、フォグコンピューティングが登場している。 医療センターは、Fogコンピューティングリソースを採用することで利益を上げるために、IoTベースの遠隔医療システムに惹かれています。
  論文  参考訳（メタデータ） (2021-05-24T05:28:06Z)

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。