Fugu-MT 論文翻訳(概要): Revolutionizing Clinical Trials: A Manifesto for AI-Driven Transformation

論文の概要: Revolutionizing Clinical Trials: A Manifesto for AI-Driven Transformation

arxiv url: http://arxiv.org/abs/2506.09102v1
Date: Tue, 10 Jun 2025 15:45:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-13 06:35:01.733146
Title: Revolutionizing Clinical Trials: A Manifesto for AI-Driven Transformation
Title（参考訳）: 臨床試験を革新する - AI駆動型変革のマニフェスト
Authors: Mihaela van der Schaar, Richard Peck, Eoin McKinney, Jim Weatherall, Stuart Bailey, Justine Rochon, Chris Anagnostopoulos, Pierre Marquet, Anthony Wood, Nicky Best, Harry Amad, Julianna Piskorz, Krzysztof Kacprzyk, Rafik Salama, Christina Gunther, Francesca Frau, Antoine Pugeat, Ramon Hernandez,
Abstract要約: このマニフェストは、医薬品、コンサルティング会社、臨床研究、AIのリーダーたちによる協力的なビジョンを表している。因果推論とデジタル双生児という2つのAI技術のロードマップを概説し、臨床試験を変革し、より速く、より安全で、よりパーソナライズされた結果を提供する。
参考スコア（独自算出の注目度）: 28.619499555811363
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This manifesto represents a collaborative vision forged by leaders in pharmaceuticals, consulting firms, clinical research, and AI. It outlines a roadmap for two AI technologies - causal inference and digital twins - to transform clinical trials, delivering faster, safer, and more personalized outcomes for patients. By focusing on actionable integration within existing regulatory frameworks, we propose a way forward to revolutionize clinical research and redefine the gold standard for clinical trials using AI.
Abstract（参考訳）: このマニフェストは、医薬品、コンサルティング会社、臨床研究、AIのリーダーたちによる協力的なビジョンを表している。因果推論とデジタル双生児という2つのAI技術のロードマップを概説し、臨床試験を変革し、より速く、より安全で、よりパーソナライズされた結果を提供する。既存の規制枠組みにおける実行可能な統合に焦点を当てて、臨床研究を革新し、AIを用いた臨床試験のための金の標準を再定義する方法を提案する。

関連論文リスト

Towards Regulatory-Confirmed Adaptive Clinical Trials: Machine Learning Opportunities and Solutions [59.28853595868749]
本研究は,全人口と低給付人口の規制制約と治療方針値を統合した将来の臨床試験の新たな2つの目的を紹介する。我々は、第III相臨床試験を設計するための新しい枠組みであるRFAN(Randomize First Augment Next)を定式化する。我々のフレームワークは、標準的なランダム化コンポーネントと適応コンポーネントから構成されており、臨床試験中に患者を効率よく安全に獲得し、患者を治療アームに割り当てることを目的としている。
論文参考訳（メタデータ） (2025-03-12T10:17:54Z)
Medchain: Bridging the Gap Between LLM Agents and Clinical Practice through Interactive Sequential Benchmarking [58.25862290294702]
臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
論文参考訳（メタデータ） (2024-12-02T15:25:02Z)
Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
Digital Twin Ecosystem for Oncology Clinical Operations [0.8130739369606821]
本稿では,腫瘍学における臨床手術の高度化をめざした,新たなデジタルツインフレームワークを提案する。我々は,医療ニーズ双生児,ケアナビゲータ双生児,臨床履歴双生児など,複数の専門的デジタル双生児の統合を提案する。複数のデータソースを合成し、NCCN(National Comprehensive Cancer Network)ガイドラインと整合させることで、ダイナミックながんケアパスを作成する。
論文参考訳（メタデータ） (2024-09-26T08:56:54Z)
Establishing Rigorous and Cost-effective Clinical Trials for Artificial Intelligence Models [18.240773244542474]
人工知能(AI)と医学における臨床実践の間には大きなギャップが残っている。最先端および最先端のAIモデル評価は、医療データセットの研究室研究や、患者中心または患者中心のコントロールを持たない直接臨床試験に限られる。臨床実習におけるAIモデルの厳格かつ費用対効果評価手法の重要性を初めて強調する。
論文参考訳（メタデータ） (2024-07-11T14:37:08Z)
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)
A Revolution of Personalized Healthcare: Enabling Human Digital Twin with Mobile AIGC [54.74071593520785]
モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術であるモバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
論文参考訳（メタデータ） (2023-07-22T15:59:03Z)
OpenClinicalAI: enabling AI to diagnose diseases in real-world clinical settings [11.287929392365756]
我々は、研究を促進するためにリアルな臨床環境を構築するために、臨床AIBenchという名の臨床AIベンチマークを構築した。我々はオープンでダイナミックな機械学習フレームワークを提案し、リアルな臨床環境で病気を診断するOpenClinicalAIと呼ばれるAIシステムを開発した。実際の臨床環境では、OpenClinicalAIは最先端のAIシステムを大幅に上回っている。
論文参考訳（メタデータ） (2021-09-09T02:59:36Z)
Reflections on the Clinical Acceptance of Artificial Intelligence [15.594759364908235]
この章は、人工知能(AI)の使用と臨床環境におけるその受容を反映している。我々は,AIと臨床実践を組み合わせたパイプラインモデルの形で臨床受け入れの障害を概観する。
論文参考訳（メタデータ） (2021-03-01T17:34:09Z)

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。