論文の概要: Dr.Copilot: A Multi-Agent Prompt Optimized Assistant for Improving Patient-Doctor Communication in Romanian
- arxiv url: http://arxiv.org/abs/2507.11299v1
- Date: Tue, 15 Jul 2025 13:26:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:03.123907
- Title: Dr.Copilot: A Multi-Agent Prompt Optimized Assistant for Improving Patient-Doctor Communication in Romanian
- Title（参考訳）: ルーマニアにおける患者と医師のコミュニケーション改善のための多エージェントプロンプト最適化アシスタントDr.Copilot
- Authors: Andrei Niculae, Adrian Cosma, Cosmin Dumitrache, Emilian Rǎdoi,
- Abstract要約: コパイロット博士 (Dr.Copilot) は、ルーマニア語を話す医師を支援する多エージェントの大規模言語モデル(LLM)システムである。
医学的正確性を評価するのではなく、17の解釈可能な軸に沿ってフィードバックを提供する。
41名の医師による経験的評価とライブデプロイメントは、ユーザレビューと応答品質の計測可能な改善を示している。
- 参考スコア（独自算出の注目度）: 3.3311266423308252
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Text-based telemedicine has become increasingly common, yet the quality of medical advice in doctor-patient interactions is often judged more on how advice is communicated rather than its clinical accuracy. To address this, we introduce Dr.Copilot , a multi-agent large language model (LLM) system that supports Romanian-speaking doctors by evaluating and enhancing the presentation quality of their written responses. Rather than assessing medical correctness, Dr.Copilot provides feedback along 17 interpretable axes. The system comprises of three LLM agents with prompts automatically optimized via DSPy. Designed with low-resource Romanian data and deployed using open-weight models, it delivers real-time specific feedback to doctors within a telemedicine platform. Empirical evaluations and live deployment with 41 doctors show measurable improvements in user reviews and response quality, marking one of the first real-world deployments of LLMs in Romanian medical settings.
- Abstract（参考訳）: テキストベースの遠隔医療はますます一般的になっているが、医師と患者の相互作用における医療アドバイスの質は、その臨床的正確性よりも、どのようにアドバイスがコミュニケーションされるかによって判断されることが多い。
そこで我々は,ルーマニア語を話す医師を支援する多エージェント大規模言語モデル(LLM)システムであるDr.Copilotを紹介する。
医学的正確性を評価するのではなく、17の解釈可能な軸に沿ってフィードバックを提供する。
このシステムは3つのLLMエージェントで構成され、DSPyを介して自動的に最適化されるプロンプトを備えている。
低リソースのルーマニアのデータで設計され、オープンウェイトモデルを使用してデプロイされ、遠隔医療プラットフォーム内の医師にリアルタイムに特定のフィードバックを提供する。
41人の医師による実証的な評価とライブデプロイメントは、ユーザレビューと応答品質の計測可能な改善を示している。
関連論文リスト
- DoPI: Doctor-like Proactive Interrogation LLM for Traditional Chinese Medicine [2.650034302431857]
現在の大規模言語モデル (LLM) は医学的応用において顕著な限界を呈している。
本稿では,中国伝統医学(TCM)分野に特化して設計された新しいLLMシステムであるDoPIを提案する。
指導モデルは患者とのマルチターン対話を行い,知識グラフに基づく質問を動的に生成する。
エキスパートモデルは、深いTCMの専門知識を活用して、最終診断と治療計画を提供する。
論文 参考訳（メタデータ） (2025-07-07T11:04:03Z) - 3MDBench: Medical Multimodal Multi-agent Dialogue Benchmark [0.29987253996125257]
3MDBenchは、LVLM駆動の遠隔医療相談をシミュレートし評価するためのオープンソースのフレームワークである。
内部推論によるマルチモーダル対話は、非対話設定よりもF1スコアが6.5%向上する。
診断畳み込みネットワークからLVLMのコンテキストに予測を注入すると、F1は最大20%上昇する。
論文 参考訳（メタデータ） (2025-03-26T07:32:05Z) - 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) - IMAS: A Comprehensive Agentic Approach to Rural Healthcare Delivery [0.0]
本稿では,農村部における医療提供の改善を目的としたエージェント・メディカル・アシスタントシステムを提案する。
このシステムは、翻訳、医療複雑性評価、専門家ネットワークの統合、応答単純化の5つの重要なコンポーネントで構成されている。
MedQA,PubMedQAおよびJAMAデータセットを用いた評価結果は、この統合アプローチが農村の医療従事者の有効性を著しく向上させることを示す。
論文 参考訳（メタデータ） (2024-10-13T23:07:11Z) - Using LLM for Real-Time Transcription and Summarization of Doctor-Patient Interactions into ePuskesmas in Indonesia [0.0]
本稿では,局所的大言語モデル(LLM)を用いて医師と患者の会話の書き起こし,翻訳,要約を行う手法を提案する。
我々はWhisperモデルとGPT-3を用いて、それらをePuskemasの医療記録形式に要約する。
このイノベーションは、過密化された施設やインドネシアの医療提供者に対する管理上の負担といった課題に対処する。
論文 参考訳（メタデータ） (2024-09-25T16:13:42Z) - RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。
患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。
実験の結果,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-08-22T17:44:40Z) - Healthcare Copilot: Eliciting the Power of General LLMs for Medical
Consultation [96.22329536480976]
医療相談用に設計された医療コパイロットの構築について紹介する。
提案した医療コパイロットは,(1)効果的で安全な患者との対話に責任を負う対話コンポーネント,2)現在の会話データと過去の患者情報の両方を記憶する記憶コンポーネント,3)処理コンポーネント,そして,対話全体を要約し,報告を生成する。
提案したヘルスケア・コパイロットを評価するために,ChatGPT を用いた仮想患者とコーピロとの対話を行う仮想患者と,対話の質を評価するための評価器の2つの役割を自動評価する手法を実装した。
論文 参考訳（メタデータ） (2024-02-20T22:26:35Z) - 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) - Benchmarking Large Language Models on Communicative Medical Coaching: a Novel System and Dataset [26.504409173684653]
患者相談におけるコミュニケーションスキルの実践を支援するための,人間とAIの協調的枠組みであるChatCoachを紹介する。
ChatCoachは、医療学習者が患者エージェントと対話できるシミュレートされた環境を提供し、コーチエージェントは即時かつ構造化されたフィードバックを提供する。
我々はChatCoachフレームワーク内で、コミュニケーション型医療コーチングタスクにおいて、LLM(Large Language Models)を評価するためのデータセットを開発した。
論文 参考訳（メタデータ） (2024-02-08T10:32:06Z) - Enhancing Summarization Performance through Transformer-Based Prompt
Engineering in Automated Medical Reporting [0.49478969093606673]
2ショットプロンプトアプローチとスコープとドメインコンテキストの組み合わせは、他のメソッドよりも優れています。
自動化されたレポートは、人間の参照の約2倍の長さである。
論文 参考訳（メタデータ） (2023-11-22T09:51:53Z) - ChiMed-GPT: A Chinese Medical Large Language Model with Full Training Regime and Better Alignment to Human Preferences [51.66185471742271]
我々は中国医学領域向けに明示的に設計されたベンチマークLSMであるChiMed-GPTを提案する。
ChiMed-GPTは、事前訓練、SFT、RLHFを含む総合的な訓練体制を実施。
我々は,ChiMed-GPTを患者識別に関する態度尺度の実行を促すことによって,潜在的なバイアスを分析した。
論文 参考訳（メタデータ） (2023-11-10T12:25:32Z) - MedAlign: A Clinician-Generated Dataset for Instruction Following with
Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。
医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。
我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文 参考訳（メタデータ） (2023-08-27T12:24:39Z)
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。