論文の概要: AI-VaxGuide: An Agentic RAG-Based LLM for Vaccination Decisions

• arxiv url: http://arxiv.org/abs/2507.03493v1
• Date: Fri, 04 Jul 2025 11:33:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.753408
• Title: AI-VaxGuide: An Agentic RAG-Based LLM for Vaccination Decisions
• Title（参考訳）: AI-VaxGuide: 予防接種決定のためのエージェントRAGベースのLLM
• Authors: Abdellah Zeggai, Ilyes Traikia, Abdelhak Lakehal, Abdennour Boulesnane,
• Abstract要約: ワクチンは世界の公衆衛生において重要な役割を担っているが、医療専門家は予防接種ガイドラインの迅速かつ効率的な利用に苦慮することが多い。 本プロジェクトは,静的接種ガイドラインを対話的でユーザフレンドリな知識ベースに変換する多言語・インテリジェントな質問応答システムを開発することで,この問題に対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vaccination plays a vital role in global public health, yet healthcare professionals often struggle to access immunization guidelines quickly and efficiently. National protocols and WHO recommendations are typically extensive and complex, making it difficult to extract precise information, especially during urgent situations. This project tackles that issue by developing a multilingual, intelligent question-answering system that transforms static vaccination guidelines into an interactive and user-friendly knowledge base. Built on a Retrieval-Augmented Generation (RAG) framework and enhanced with agent-based reasoning (Agentic RAG), the system provides accurate, context-sensitive answers to complex medical queries. Evaluation shows that Agentic RAG outperforms traditional methods, particularly in addressing multi-step or ambiguous questions. To support clinical use, the system is integrated into a mobile application designed for real-time, point-of-care access to essential vaccine information. AI-VaxGuide model is publicly available on https://huggingface.co/VaxGuide
• Abstract（参考訳）: ワクチンは世界の公衆衛生において重要な役割を担っているが、医療専門家は予防接種ガイドラインの迅速かつ効率的な利用に苦慮することが多い。 国家のプロトコルやWHOの勧告は通常広範囲で複雑であり、特に緊急時に正確な情報を抽出することは困難である。 本プロジェクトは,静的接種ガイドラインを対話的でユーザフレンドリな知識ベースに変換する多言語・インテリジェントな質問応答システムを開発することで,この問題に対処する。 Retrieval-Augmented Generation (RAG) フレームワーク上に構築され、エージェントベースの推論(Agentic RAG)によって強化される。 評価の結果,エージェントRAGは従来の手法よりも優れており,特に多段階的,曖昧な問題に対処している。 臨床利用を支援するため、本システムは、本質的なワクチン情報へのリアルタイム・ポイント・オブ・ケアアクセス用に設計されたモバイルアプリケーションに統合される。 AI-VaxGuideモデルがhttps://huggingface.co/VaxGuideで公開

関連論文リスト

• VaxPulse: Monitoring of Online Public Concerns to Enhance Post-licensure Vaccine Surveillance [0.3958317527488535]
  我々は,ヴィクトリアのワクチン安全サービスSAEFVICの報告監視システムをいかに強化したかを説明する。 多段階のフレームワークであるVaxPulseを用いて、免疫後の有害事象と感情分析を統合する。 我々は、民族言語コミュニティにまたがる懸念を階層化するために、非英語言語に対処する必要性を強調している。
  論文  参考訳（メタデータ） (2025-07-07T04:18:08Z)
• TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
  Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。 本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。 TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
  論文  参考訳（メタデータ） (2025-03-26T15:58:16Z)
• When Pigs Get Sick: Multi-Agent AI for Swine Disease Detection [0.9408742486269565]
  豚病の監視は、グローバル農業の持続可能性にとって重要であるが、その効果はしばしば損なわれている。 我々は、タイムリーでエビデンスに基づく疾患の検出と臨床ガイダンスを提供する、AIを利用した新しいマルチエージェント診断システムを導入する。
  論文  参考訳（メタデータ） (2025-03-19T13:47:25Z)
• MM-PoisonRAG: Disrupting Multimodal RAG with Local and Global Poisoning Attacks [109.53357276796655]
  Retrieval Augmented Generation (RAG) を備えたマルチモーダル大言語モデル(MLLM) RAGはクエリ関連外部知識の応答を基盤としてMLLMを強化する。 この依存は、知識中毒攻撃(英語版)という、危険だが未発見の安全リスクを生じさせる。 本稿では,2つの攻撃戦略を持つ新しい知識中毒攻撃フレームワークMM-PoisonRAGを提案する。
  論文  参考訳（メタデータ） (2025-02-25T04:23:59Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• Hierarchical Multi-Label Classification of Online Vaccine Concerns [8.271202196208]
  ワクチンの懸念は進化を続けるターゲットであり、新型コロナウイルス(COVID-19)のパンデミックで見られるように急速に変化する可能性がある。 本稿では,大規模言語モデル(LLM)を用いて,高価なトレーニングデータセットを必要とせず,ゼロショット設定でワクチンの関心事を検出するタスクについて検討する。
  論文  参考訳（メタデータ） (2024-02-01T20:56:07Z)
• From RAG to QA-RAG: Integrating Generative AI for Pharmaceutical Regulatory Compliance Process [0.0]
  製薬業界における規制の遵守は、複雑で明るいガイドラインを通じてナビゲートする必要がある。 これらの課題に対処するため,本研究では,生成型AIと検索型拡張生成(RAG)手法を紹介する。 本稿では,QA-RAGの構造と性能評価について詳述し,規制コンプライアンス領域の可能性を強調した。
  論文  参考訳（メタデータ） (2024-01-26T08:23:29Z)
• Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
  ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。 ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。 ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。 本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
  論文  参考訳（メタデータ） (2021-06-17T15:16:08Z)
• Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
  HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。 これらの質問は、現在のQAシステムにとって最も難しいものです。 知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。 市販の事前訓練モデルを完全に活用しようと努力しています。
  論文  参考訳（メタデータ） (2020-08-06T02:47:46Z)

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。