論文の概要: Voice-based AI Agents: Filling the Economic Gaps in Digital Health Delivery
- arxiv url: http://arxiv.org/abs/2507.16229v1
- Date: Tue, 22 Jul 2025 05:01:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-23 21:34:13.969515
- Title: Voice-based AI Agents: Filling the Economic Gaps in Digital Health Delivery
- Title（参考訳）: 音声ベースのAIエージェント:デジタルヘルスデリバリーにおける経済的なギャップを埋める
- Authors: Bo Wen, Chen Wang, Qiwei Han, Raquel Norel, Julia Liu, Thaddeus Stappenbeck, Jeffrey L. Rogers,
- Abstract要約: 本稿では,大言語モデル(LLM)を利用した音声アシスタントが,予防ケアと継続的患者モニタリングの強化に果たす役割について検討する。
本稿では,AIエージェントが費用対効果の高い医療サービスをいかに提供できるかを示す経済モデルを提案する。
- 参考スコア（独自算出の注目度）: 5.211270163727304
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The integration of voice-based AI agents in healthcare presents a transformative opportunity to bridge economic and accessibility gaps in digital health delivery. This paper explores the role of large language model (LLM)-powered voice assistants in enhancing preventive care and continuous patient monitoring, particularly in underserved populations. Drawing insights from the development and pilot study of Agent PULSE (Patient Understanding and Liaison Support Engine) -- a collaborative initiative between IBM Research, Cleveland Clinic Foundation, and Morehouse School of Medicine -- we present an economic model demonstrating how AI agents can provide cost-effective healthcare services where human intervention is economically unfeasible. Our pilot study with 33 inflammatory bowel disease patients revealed that 70\% expressed acceptance of AI-driven monitoring, with 37\% preferring it over traditional modalities. Technical challenges, including real-time conversational AI processing, integration with healthcare systems, and privacy compliance, are analyzed alongside policy considerations surrounding regulation, bias mitigation, and patient autonomy. Our findings suggest that AI-driven voice agents not only enhance healthcare scalability and efficiency but also improve patient engagement and accessibility. For healthcare executives, our cost-utility analysis demonstrates huge potential savings for routine monitoring tasks, while technologists can leverage our framework to prioritize improvements yielding the highest patient impact. By addressing current limitations and aligning AI development with ethical and regulatory frameworks, voice-based AI agents can serve as a critical entry point for equitable, sustainable digital healthcare solutions.
- Abstract（参考訳）: 医療における音声ベースのAIエージェントの統合は、デジタルヘルスデリバリーにおける経済とアクセシビリティのギャップを埋める変革的な機会を提供する。
本稿では,大言語モデル(LLM)を利用した音声アシスタントが予防ケアと継続的な患者モニタリング,特に人口減少に果たす役割について考察する。
エージェントPULSE(Patient Understanding and Liaison Support Engine)の開発とパイロット研究(IBM Research、Climate Clinical Foundation、Morehouse School of Medicine)から洞察を得た結果、我々はAIエージェントが経済的に介入が不可能な費用対効果のある医療サービスをいかに提供できるかを示す経済モデルを提示した。
炎症性腸疾患33例を対象としたパイロット研究では,70 %がAIによるモニタリングを受入れており,37 %が従来型よりも好んでいることが明らかとなった。
リアルタイムの会話型AI処理、医療システムとの統合、プライバシコンプライアンスといった技術的課題は、規制やバイアス軽減、患者の自律性といった政策上の考慮とともに分析される。
以上の結果から,AIによる音声エージェントは医療のスケーラビリティと効率を向上するだけでなく,患者のエンゲージメントとアクセシビリティを向上させることが示唆された。
医療従事者にとって、当社のコストユーティリティ分析は、定期的な監視タスクの大幅な削減を実証する一方で、技術者は私たちのフレームワークを活用して、最も患者への影響の高い改善を優先順位付けすることができます。
現在の制限に対処し、AI開発を倫理的および規制的なフレームワークと整合させることで、音声ベースのAIエージェントは、平等で持続可能なデジタルヘルスケアソリューションにとって重要なエントリポイントとなる。
関連論文リスト
- DeepSeek reshaping healthcare in China's tertiary hospitals [0.0]
DeepSeekは、2025年1月から中国の第3次病院に広く展開されている、主要なAIシステムである。
継続的な技術進歩により、AIはゲノミクスや放射線学といったマルチモーダルなデータソースを統合することが期待されている。
医療におけるAIの未来は、透明な規制構造、業界協力、適応的なガバナンスフレームワークの開発に依存する。
論文 参考訳（メタデータ） (2025-02-23T22:09:17Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Ethical Challenges and Evolving Strategies in the Integration of Artificial Intelligence into Clinical Practice [1.0301404234578682]
我々は、正義と公正、透明性、患者の同意と機密性、説明責任、患者中心で公平なケアの5つの重要な倫理的関心事に焦点を当てる。
この論文は、患者の信頼を維持する上でのバイアス、透明性の欠如、そして課題が、医療におけるAIアプリケーションの有効性と公正性を損なう可能性があるかを考察する。
論文 参考訳（メタデータ） (2024-11-18T00:52:22Z) - 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) - AI-driven innovation in medicaid: enhancing access, cost efficiency, and population health management [1.4802369202548666]
米国メディケイドプログラムは、医療費の急激な増加、不均一な医療のアクセシビリティ、および様々な人口の健康ニーズに対処する上での課題を含む重要な課題を経験している。
本稿では,メディケイドのリフォームにおける人工知能(AI)の変容の可能性について,手術の合理化,患者結果の改善,コスト削減の両面から検討する。
論文 参考訳（メタデータ） (2024-10-11T07:14:42Z) - Emotional Intelligence Through Artificial Intelligence : NLP and Deep Learning in the Analysis of Healthcare Texts [1.9374282535132377]
本論文は,医療関連テキストにおける感情評価における人工知能の利用に関する方法論的考察である。
我々は、感情分析を強化し、感情を分類し、患者の結果を予測するためにAIを利用する多くの研究を精査する。
AIの倫理的応用を保証すること、患者の機密性を保護すること、アルゴリズムの手続きにおける潜在的なバイアスに対処することを含む、継続的な課題がある。
論文 参考訳（メタデータ） (2024-03-14T15:58:13Z) - Leveraging Generative AI for Clinical Evidence Summarization Needs to Ensure Trustworthiness [47.51360338851017]
エビデンスベースの医療は、医療の意思決定と実践を最大限に活用することで、医療の質を向上させることを約束する。
様々な情報源から得ることができる医学的証拠の急速な成長は、明らかな情報の収集、評価、合成に挑戦する。
大規模言語モデルによって実証された、生成AIの最近の進歩は、困難な作業の促進を約束する。
論文 参考訳（メタデータ） (2023-11-19T03:29:45Z) - FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。
この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
論文 参考訳（メタデータ） (2023-08-11T10:49:05Z) - A Conceptual Algorithm for Applying Ethical Principles of AI to Medical Practice [5.005928809654619]
AIを利用するツールは、複数のドメインにまたがる専門家レベルのパフォーマンスに、ますます一致するか、超えている。
これらのシステムは、人口、人種、社会経済の境界を越えたケア提供の格差を減らすことを約束している。
このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。
論文 参考訳（メタデータ） (2023-04-23T04:14:18Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - Edge Intelligence for Empowering IoT-based Healthcare Systems [42.909808437026136]
この記事では、スマートヘルスケアシステムにおけるAIとともに、エッジインテリジェント技術のメリットを強調します。
スマートヘルスケアシステムにおけるAIとエッジ技術の利用を促進するために、新しいスマートヘルスケアモデルが提案されている。
論文 参考訳（メタデータ） (2021-03-22T19:35:06Z)
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。