Fugu-MT 論文翻訳(概要): Health Insurance Coverage Rule Interpretation Corpus: Law, Policy, and Medical Guidance for Health Insurance Coverage Understanding

論文の概要: Health Insurance Coverage Rule Interpretation Corpus: Law, Policy, and Medical Guidance for Health Insurance Coverage Understanding

arxiv url: http://arxiv.org/abs/2508.03718v1
Date: Mon, 28 Jul 2025 00:22:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-07 20:09:22.318556
Title: Health Insurance Coverage Rule Interpretation Corpus: Law, Policy, and Medical Guidance for Health Insurance Coverage Understanding
Title（参考訳）: 健康保険包括ルール解釈コーパス--法・政策・医療指導から保健保険包括的理解へ
Authors: Mike Gartner,
Abstract要約: 我々は、米国の健康保険に関する信頼できる法的および医学的テキストのコーパスを収集し、リリースする。また、規制及び患者自己ヘルプの応用を支援するために設計された健康保険審判の成果予測タスクも導入する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: U.S. health insurance is complex, and inadequate understanding and limited access to justice have dire implications for the most vulnerable. Advances in natural language processing present an opportunity to support efficient, case-specific understanding, and to improve access to justice and healthcare. Yet existing corpora lack context necessary for assessing even simple cases. We collect and release a corpus of reputable legal and medical text related to U.S. health insurance. We also introduce an outcome prediction task for health insurance appeals designed to support regulatory and patient self-help applications, and release a labeled benchmark for our task, and models trained on it.
Abstract（参考訳）: 米国の健康保険は複雑で、理解が不十分で、司法へのアクセスが制限されているため、最も脆弱な者にとって深刻な影響がある。自然言語処理の進歩は、効率的でケース固有の理解をサポートし、正義と医療へのアクセスを改善する機会を提供する。しかし、既存のコーパスは単純なケースを評価するのに必要なコンテキストを欠いている。我々は、米国の健康保険に関する信頼できる法的および医学的テキストのコーパスを収集し、リリースする。また、規制および患者自己ヘルプアプリケーションを支援するために設計された健康保険審判の成果予測タスクを導入し、我々のタスクのラベル付きベンチマークとそれに基づいて訓練されたモデルをリリースする。

関連論文リスト

Med-CoDE: Medical Critique based Disagreement Evaluation Framework [72.42301910238861]
医学的文脈における大きな言語モデル(LLM)の信頼性と精度は依然として重要な懸念点である。現在の評価手法はロバスト性に欠けることが多く、LLMの性能を総合的に評価することができない。我々は,これらの課題に対処するために,医療用LCMの特別設計評価フレームワークであるMed-CoDEを提案する。
論文参考訳（メタデータ） (2025-04-21T16:51:11Z)
A Comprehensive Survey on the Trustworthiness of Large Language Models in Healthcare [5.765614539740084]
医療における大規模言語モデル(LLM)の適用は、臨床意思決定、医学研究、患者医療に革命をもたらす可能性がある。 LLMはますます医療システムに統合されているため、信頼性と倫理的展開を保証するために、いくつかの重要な課題に対処する必要がある。
論文参考訳（メタデータ） (2025-02-21T18:43:06Z)
Implications of Artificial Intelligence on Health Data Privacy and Confidentiality [0.0]
医療における人工知能の急速な統合は、医療診断、パーソナライズされた医療、運用効率に革命をもたらしている。しかし、患者のデータのプライバシ、倫理的考慮、規制遵守に関する重大な問題が発生する。本稿では、医療におけるAIの二重効果について検討し、その変革の可能性と、敏感な健康情報を保護するための重要な必要性を強調した。
論文参考訳（メタデータ） (2025-01-03T05:17:23Z)
Can Personalized Medicine Coexist with Health Equity? Examining the Cost Barrier and Ethical Implications [0.0]
パーソナライズドメディカルは、個々の遺伝、環境、ライフスタイルに合わせた治療を提供することで、医療を変革することを約束する。高コストとインフラ要求は、特に高所得国(HIC)と低所得国(LMIC)の間の健康格差の悪化を懸念する。本稿では,PM実装の経済的・倫理的課題について考察し,公平なアクセスを確保することに焦点を当てる。
論文参考訳（メタデータ） (2024-11-04T17:31:10Z)
Applications of Generative AI in Healthcare: algorithmic, ethical, legal and societal considerations [0.0]
生成AIは、医療画像とテキスト分析を急速に変換している。本稿では,正確性,インフォームドコンセント,データプライバシ,アルゴリズム制限の問題について検討する。我々は、医療における生成AIの倫理的かつ責任ある実装のロードマップを策定することを目指している。
論文参考訳（メタデータ） (2024-06-15T13:28:07Z)
Managing health insurance using blockchain technology [2.294014185517203]
健康保険は質の高い医療を確保する上で重要な役割を担っている。本章では、医療保険業界における最も急激な懸念について概説する。ブロックチェーンテクノロジの統合がこれらの問題の解決にどのように貢献するかについて、洞察を提供する。
論文参考訳（メタデータ） (2023-06-17T12:10:58Z)
The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文参考訳（メタデータ） (2023-04-24T08:00:02Z)
Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文参考訳（メタデータ） (2022-06-29T04:32:10Z)
Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文参考訳（メタデータ） (2021-12-23T16:11:19Z)
IAC: A Framework for Enabling Patient Agency in the Use of AI-Enabled Healthcare [1.0878040851638]
IAC(Informing, Assessment, and Consent)は、医療環境におけるAI対応デジタル技術の導入に対する患者の反応を評価するためのフレームワークである。このフレームワークは、医療実践者が医療におけるAIの使用について患者に通知する方法を導く3つの基本原則で構成されている。本稿では, この枠組みを構成する原則を, 実践者と患者の関係を改善するガイドラインに翻訳し, 同時に, 医療におけるAIの利用に関する患者機関に翻訳することを提案する。
論文参考訳（メタデータ） (2021-10-29T16:13:15Z)
Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。