論文の概要: Socially Constructed Treatment Plans: Analyzing Online Peer Interactions to Understand How Patients Navigate Complex Medical Conditions

• arxiv url: http://arxiv.org/abs/2503.21986v1
• Date: Thu, 27 Mar 2025 21:06:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:32:41.646726
• Title: Socially Constructed Treatment Plans: Analyzing Online Peer Interactions to Understand How Patients Navigate Complex Medical Conditions
• Title（参考訳）: 社会的に構成された治療計画: 患者が複雑な医療状態をいかにナビゲートするかを理解するためのオンラインピアインタラクションの分析
• Authors: Madhusudan Basak, Omar Sharif, Jessica Hulsey, Elizabeth C. Saunders, Daisy J. Goodman, Luke J. Archibald, Sarah M. Preum,
• Abstract要約: 複雑な条件に対する治療計画の「社会的構築」の特徴について述べる。 我々は、現在最先端の大規模言語モデル(LLM)において、社会的に構築された治療関連知識がどのように反映されているかを検討する。
• 参考スコア（独自算出の注目度）: 1.660288273261283
• License:
• Abstract: When faced with complex and uncertain medical conditions (e.g., cancer, mental health conditions, recovery from substance dependency), millions of patients seek online peer support. In this study, we leverage content analysis of online discourse and ethnographic studies with clinicians and patient representatives to characterize how treatment plans for complex conditions are "socially constructed." Specifically, we ground online conversation on medication-assisted recovery treatment to medication guidelines and subsequently surface when and why people deviate from the clinical guidelines. We characterize the implications and effectiveness of socially constructed treatment plans through in-depth interviews with clinical experts. Finally, given the enthusiasm around AI-powered solutions for patient communication, we investigate whether and how socially constructed treatment-related knowledge is reflected in a state-of-the-art large language model (LLM). Leveraging a novel mixed-method approach, this study highlights critical research directions for patient-centered communication in online health communities.
• Abstract（参考訳）: 複雑で不確実な医療状況(がん、精神状態、物質依存からの回復など)に直面した患者は、何百万人もの患者がオンラインのピアサポートを求めている。 本研究では、臨床医や患者代表者によるオンライン談話やエスノグラフィー研究の内容分析を活用し、複雑な状態に対する治療計画の「社会的構築」を特徴付ける。 具体的には,治療ガイドラインに対する治療補助療法についてオンライン会話を行い,臨床ガイドラインから逸脱する理由と理由を提示する。 本研究は,臨床専門家への詳細なインタビューを通じて,社会的に構築された治療計画の意味と効果を特徴づけるものである。 最後に、患者コミュニケーションのためのAIを活用したソリューションに対する熱意を踏まえ、現在最先端の大規模言語モデル(LLM)にどのように社会的に構築された治療関連知識が反映されているかを検討する。 本研究は, 新規な混合メソッドアプローチを活用することで, オンライン健康コミュニティにおける患者中心コミュニケーションにおける重要な研究の方向性を明らかにする。

関連論文リスト

• A Survey of Large Language Models in Psychotherapy: Current Landscape and Future Directions [13.17064228097947]
  大規模言語モデル(LLM)は、精神疾患の評価、診断、治療を強化することにより、精神療法における有望な解決策を提供する。 本調査は、精神療法におけるLLM応用の現状を概観する。 本稿では,精神療法の過程を,評価,診断,治療の3つの要素に分類し,各領域における課題と進歩を検討するための新しい概念分類法を提案する。
  論文  参考訳（メタデータ） (2025-02-16T12:18:40Z)
• Natural Language-Assisted Multi-modal Medication Recommendation [97.07805345563348]
  NLA-MMR(Natural Language-Assisted Multi-modal Medication Recommendation)を紹介する。 NLA-MMRは、患者視点から知識を学習し、医薬視点を共同で学習するために設計されたマルチモーダルアライメントフレームワークである。 本稿では,プレトレーニング言語モデル(PLM)を用いて,患者や医薬品に関するドメイン内知識を抽出する。
  論文  参考訳（メタデータ） (2025-01-13T09:51:50Z)
• LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
  大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。 得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
  論文  参考訳（メタデータ） (2024-06-09T09:03:11Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
  本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。 このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
  論文  参考訳（メタデータ） (2024-03-20T17:47:49Z)
• COMPASS: Computational Mapping of Patient-Therapist Alliance Strategies with Language Modeling [14.04866656172336]
  心理療法セッションで使用される自然言語から治療作業同盟を推定するための新しい枠組みを提案する。 提案手法は,高度大規模言語モデル(LLM)を用いて心理療法セッションの転写を解析し,それらをワーキングアライアンスインベントリにおけるステートメントの分散表現と比較する。
  論文  参考訳（メタデータ） (2024-02-22T16:56:44Z)
• Investigating Collaborative Data Practices: a Case Study on Artificial Intelligence for Healthcare Research [1.3178083420209858]
  英国における複数の長期的条件を理解し管理するためにAIツールを適用する研究コンソーシアムのコラボレーティブデータプラクティスについて検討する。 本研究は,知識共有のためのツールの適応と,オーディエンスに基づく情報の調整について明らかにした。 私たちはミーティングを、規律間の交流を促進し、知識のブレンディングと創出を可能にするキーセッティングとして特定します。
  論文  参考訳（メタデータ） (2023-11-30T10:19:33Z)
• Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
  我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。 本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
  論文  参考訳（メタデータ） (2023-10-23T19:59:10Z)
• Demo Alleviate: Demonstrating Artificial Intelligence Enabled Virtual Assistance for Telehealth: The Mental Health Case [20.602347045884617]
  そこで我々は、パーソナライズされたケアでメンタルヘルスの課題を抱える患者を援助し、患者をよりよく理解する臨床医を支援するために、Aleviateを提案する。 Alleviateは、臨床で有効なメンタルヘルスのテキストとデータベースを公開して、医学的に健全で情報的な意思決定を可能にする。 本稿では、Alleviateの異なるモジュールを説明し、患者と臨床医がお互いをよりよく理解するためのAlleviateの能力を示す短いビデオを提出する。
  論文  参考訳（メタデータ） (2023-03-31T16:41:15Z)
• POETREE: Interpretable Policy Learning with Adaptive Decision Trees [78.6363825307044]
  POETREEは、ポリシー学習を解釈するための新しいフレームワークである。 患者の観察と医療史に基づいて、医師の行動を決定する確率的ツリーポリシーを構築する。 これは、リアルおよび合成医療データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2022-03-15T16:50:52Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)

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。