論文の概要: Health Sentinel: An AI Pipeline For Real-time Disease Outbreak Detection

• arxiv url: http://arxiv.org/abs/2506.19548v1
• Date: Tue, 24 Jun 2025 11:54:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.615189
• Title: Health Sentinel: An AI Pipeline For Real-time Disease Outbreak Detection
• Title（参考訳）: Health Sentinel:リアルタイム疾患のアウトブレイク検出のためのAIパイプライン
• Authors: Devesh Pant, Rishi Raj Grandhe, Vipin Samaria, Mukul Paul, Sudhir Kumar, Saransh Khanna, Jatin Agrawal, Jushaan Singh Kalra, Akhil VSSG, Satish V Khalikar, Vipin Garg, Himanshu Chauhan, Pranay Verma, Neha Khandelwal, Soma S Dhavala, Minesh Mathew,
• Abstract要約: Health Sentinelは、MLと非MLメソッドを組み合わせた情報抽出パイプラインである。 Health Sentinelは3億以上のニュース記事を処理し、インド全体で9万5000以上のユニークな健康イベントを特定した。
• 参考スコア（独自算出の注目度）: 9.794749402757237
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Early detection of disease outbreaks is crucial to ensure timely intervention by the health authorities. Due to the challenges associated with traditional indicator-based surveillance, monitoring informal sources such as online media has become increasingly popular. However, owing to the number of online articles getting published everyday, manual screening of the articles is impractical. To address this, we propose Health Sentinel. It is a multi-stage information extraction pipeline that uses a combination of ML and non-ML methods to extract events-structured information concerning disease outbreaks or other unusual health events-from online articles. The extracted events are made available to the Media Scanning and Verification Cell (MSVC) at the National Centre for Disease Control (NCDC), Delhi for analysis, interpretation and further dissemination to local agencies for timely intervention. From April 2022 till date, Health Sentinel has processed over 300 million news articles and identified over 95,000 unique health events across India of which over 3,500 events were shortlisted by the public health experts at NCDC as potential outbreaks.
• Abstract（参考訳）: 病気の発生の早期発見は、保健当局によるタイムリーな介入を確保するために不可欠である。 従来の指標に基づく監視にまつわる課題により、オンラインメディアなどの非公式な情報源の監視が盛んに行われている。 しかし、オンライン記事が毎日掲載されているため、手動によるレビューは現実的ではない。 これを解決するために,ヘルス・センチネルを提案する。 ML法と非ML法を組み合わせた多段階情報抽出パイプラインであり、オンライン記事から病気のアウトブレイクやその他の異常な健康イベントに関するイベント構造化情報を抽出する。 抽出されたイベントは、National Centre for Disease Control (NCDC)のMedia Scanning and Verification Cell (MSVC) で、分析、解釈、さらにタイムリーな介入のために地方機関に配布される。 2022年4月から現在まで、Health Sentinelは3億件以上のニュース記事を処理し、インド全土で95,000件以上のユニークな健康イベントを特定している。

関連論文リスト

• SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
  多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。 各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。 われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
  論文  参考訳（メタデータ） (2024-10-24T03:03:54Z)
• Disease Outbreak Detection and Forecasting: A Review of Methods and Data Sources [3.64584397341127]
  感染症の早期発見と追跡は、死亡率を低下させる可能性がある。 多くの国が感染症監視システムを導入しており、疫病の発見が主な目的となっている。 インターネットとソーシャルメディアは、ユーザが好みや関係に関する情報を共有する重要なプラットフォームになっている。 本稿では,時系列データを用いたアウトブレイク検出のための研究者による既存の標準手法について概説する。
  論文  参考訳（メタデータ） (2024-10-21T16:20:06Z)
• Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
  ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。 実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。 モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
  論文  参考訳（メタデータ） (2024-04-02T06:31:17Z)
• BAND: Biomedical Alert News Dataset [34.277782189514134]
  我々は、既存の報道記事、オープンメール、アラートから1,508件のサンプルと30の疫学関連質問を含むBAND(Biomedical Alert News dataset)を紹介した。 BANDデータセットは、NLPの世界に新たな課題をもたらし、コンテンツの偽装能力と重要な情報を推論する能力を必要としている。 われわれの知る限りでは、BANDコーパスはバイオメディカル・アウトブレイク警報のニュースを、精巧にデザインされた質問でまとめる最大のコーパスだ。
  論文  参考訳（メタデータ） (2023-05-23T19:21:00Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• Understanding COVID-19 News Coverage using Medical NLP [5.161531917413708]
  データセットには36,000以上の記事が含まれており、Spark NLP for Healthcareライブラリの臨床的および生物医学的自然言語処理(NLP)モデルを用いて分析されている。 この分析は、重要なエンティティとフレーズ、観察されたバイアス、そしてニュース報道における時間の経過とともに変化をカバーしている。 別の分析では、医薬品やワクチン製造者に関する逆薬イベントが抽出され、主要な報道機関によって報告された場合、ワクチンのヘシタシーに影響を及ぼす。
  論文  参考訳（メタデータ） (2022-03-19T15:07:46Z)
• BIOPAK Flasher: Epidemic disease monitoring and detection in Pakistan using text mining [0.5888325379746631]
  アウトブレイクの早期発見は、ここでは重要な役割を担っている。 言語(ウルドゥー語)とカバー地域を制限した早期警戒アウトブレイクシステムはほとんど存在しない。 パキスタンの英語ニュースチャンネルとウルドゥー語ニュースチャンネルから情報を収集し、その過程を調査し、統合し、病気の流行を可視化することを目的としている。
  論文  参考訳（メタデータ） (2021-06-12T08:55:40Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)
• Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
  新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。 技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。 個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
  論文  参考訳（メタデータ） (2020-04-16T15:53:42Z)

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。