Fugu-MT 論文翻訳(概要): The Impact of Foundational Models on Patient-Centric e-Health Systems

論文の概要: The Impact of Foundational Models on Patient-Centric e-Health Systems

arxiv url: http://arxiv.org/abs/2507.21882v1
Date: Tue, 29 Jul 2025 14:56:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-30 17:08:56.54537
Title: The Impact of Foundational Models on Patient-Centric e-Health Systems
Title（参考訳）: 基礎モデルが患者中心のeヘルスシステムに及ぼす影響
Authors: Elmira Onagh, Alireza Davoodi, Maleknaz Nayebi,
Abstract要約: 我々は116の患者中心医療アプリケーションにおけるAI機能統合の統合と成熟度について検討する。私たちの結果は、86.21%以上のアプリケーションがAI統合の初期段階に留まっており、高度なAI統合を示すのは13.79%であることを示している。
参考スコア（独自算出の注目度）: 2.2667044928324747
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As Artificial Intelligence (AI) becomes increasingly embedded in healthcare technologies, understanding the maturity of AI in patient-centric applications is critical for evaluating its trustworthiness, transparency, and real-world impact. In this study, we investigate the integration and maturity of AI feature integration in 116 patient-centric healthcare applications. Using Large Language Models (LLMs), we extracted key functional features, which are then categorized into different stages of the Gartner AI maturity model. Our results show that over 86.21\% of applications remain at the early stages of AI integration, while only 13.79% demonstrate advanced AI integration.
Abstract（参考訳）: 人工知能(AI)が医療技術にますます浸透するにつれて、患者中心のアプリケーションにおけるAIの成熟度を理解することは、その信頼性、透明性、および現実世界への影響を評価する上で重要である。本研究では,116の患者中心医療アプリケーションにおいて,AI機能統合の統合と成熟度について検討する。そこで,Large Language Models (LLMs) を用いて重要な特徴を抽出し,その特徴をGartner AI成熟度モデルの異なる段階に分類した。私たちの結果は、86.21\%以上のアプリケーションがAI統合の初期段階に留まっており、高度なAI統合を示すのは13.79%であることを示している。

関連論文リスト

A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
論文参考訳（メタデータ） (2025-03-26T05:56:46Z)
Toward a Human-Centered AI-assisted Colonoscopy System in Australia [12.548421709213379]
現在の開発は機械学習モデルのパフォーマンスを優先し、ユーザインターフェース設計、ワークフロー統合、全体的なユーザエクスペリエンスの重要な側面を見越している。 AIの可能性を最大限に実現するために、HCIコミュニティは、ユーザ中心の設計を擁護し、これらのシステムを確実に使用し、内科医の専門知識をサポートし、患者の成果を高める必要がある。
論文参考訳（メタデータ） (2025-03-15T23:36:48Z)
ScaleMAI: Accelerating the Development of Trusted Datasets and AI Models [46.80682547774335]
我々はAI統合データキュレーションとアノテーションのエージェントであるScaleMAIを提案する。まず、ScaleMAIは25,362個のCTスキャンを作成した。第2に、プログレッシブなヒューマン・イン・ザ・ループのイテレーションを通じて、ScaleMAIはFragship AI Modelを提供する。
論文参考訳（メタデータ） (2025-01-06T22:12:00Z)
AIPatient: Simulating Patients with EHRs and LLM Powered Agentic Workflow [33.8495939261319]
本稿では,AIPatient Knowledge Graph (AIPatient KG) を入力とし,生成バックボーンとしてReasoning Retrieval-Augmented Generation (RAG) を開発した。 Reasoning RAGは、検索、KGクエリ生成、抽象化、チェッカー、書き直し、要約を含むタスクにまたがる6つのLLMエージェントを活用する。 ANOVA F-value 0.6126, p>0.1, ANOVA F-value 0.782, p>0.1, ANOVA F-value 0.782, p>0.1, ANOVA F-value 0.6126, p>0.1)。
論文参考訳（メタデータ） (2024-09-27T17:17:15Z)
The Potential and Perils of Generative Artificial Intelligence for Quality Improvement and Patient Safety [27.753117791280857]
ジェネレーティブ人工知能(GenAI)は、患者の医療の質と安全性を高める自動化を通じて、医療を改善する可能性がある。我々は、医療におけるGenAIの即時適用は、明確に定義された、低いリスク、高い価値、狭いアプリケーションを通して行われると仮定する。我々はこれを、臨床成績を改善するエンドツーエンドの臨床意思決定のための汎用AIモデルと対比する。
論文参考訳（メタデータ） (2024-06-23T15:01:11Z)
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)
Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文参考訳（メタデータ） (2022-06-28T05:09:01Z)
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)
Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文参考訳（メタデータ） (2021-11-18T00:43:41Z)
Early Mobility Recognition for Intensive Care Unit Patients Using Accelerometers [3.772793938066986]
Intensive Care Unit (ICU) 患者に対するヒト活動認識, 早期移動認識の医療応用を提案する。我々のシステムには、ICU患者からの加速度計に基づくデータ収集と、患者の早期モビリティを認識するAIモデルが含まれている。その結果,モデル精度は77.78%から81.86%に向上し,モデル不安定性(標準偏差)は16.69%から6.92%に低下した。
論文参考訳（メタデータ） (2021-06-28T22:59:31Z)

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。