論文の概要: Trust@Health: A Trust-Based Multilayered Network for Scalable Healthcare Service Management
- arxiv url: http://arxiv.org/abs/2508.11942v1
- Date: Sat, 16 Aug 2025 07:01:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:10.470213
- Title: Trust@Health: A Trust-Based Multilayered Network for Scalable Healthcare Service Management
- Title（参考訳）: Trust@Health: スケーラブルなヘルスケアサービス管理のための信頼ベースの多層ネットワーク
- Authors: Avijit Gayen, Somyajit Chakraborty, Joydeep Chakraborty, Angshuman Jana,
- Abstract要約: 医療システムにおける複雑な関係を,医師,部署,病院間の相互作用に着目して検討した。
提案したモデルでは、医療サービスの理解と最適化のために、層内信頼関係と層間信頼関係の両方を強調している。
- 参考スコア（独自算出の注目度）: 0.07499722271664144
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the intricate relationships within healthcare systems, focusing on interactions among doctors, departments, and hospitals. Leveraging an evolutionary graph framework, the proposed model emphasizes both intra-layer and inter-layer trust relationships to better understand and optimize healthcare services. The trust-based network facilitates the identification of key healthcare entities by integrating their social and professional interactions, culminating in a trust-based algorithm that quantifies the importance of these entities. Validation with a real-world dataset reveals a strong correlation (0.91) between the proposed trust measures and the ratings of hospitals and departments, though doctor ratings demonstrate skewed distributions due to potential biases. By modeling these relationships and trust dynamics, the framework supports scalable healthcare infrastructure, enabling effective patient referrals, personalized recommendations, and enhanced decision-making pathways.
- Abstract（参考訳）: 医療システムにおける複雑な関係を,医師,部署,病院間の相互作用に着目して検討した。
進化的グラフフレームワークを活用することで、提案モデルは、ヘルスケアサービスを理解し最適化するために、層内信頼関係と層間信頼関係の両方を強調する。
信頼に基づくネットワークは、社会的および専門的な相互作用を統合することで、主要なヘルスケアエンティティの識別を促進し、これらのエンティティの重要性を定量化する信頼に基づくアルゴリズムを成す。
現実のデータセットによる検証は、提案された信頼度と病院や部署の格付けとの間に強い相関関係(0.91)を示すが、医師の評価は潜在的なバイアスによる歪んだ分布を示す。
これらの関係と信頼のダイナミクスをモデル化することで、このフレームワークはスケーラブルな医療インフラをサポートし、効果的な患者の紹介、パーソナライズされたレコメンデーション、意思決定の経路の強化を可能にします。
関連論文リスト
- Semantic Chain-of-Trust: Autonomous Trust Orchestration for Collaborator Selection via Hypergraph-Aided Agentic AI [57.58120823855315]
本稿では,新たなセマンティック・チェーン・オブ・トラストの概念に基づく自律的信頼オーケストレーション手法を提案する。
我々の技術はエージェントAIとハイパーグラフを用いてデバイス間の信頼関係を確立し維持する。
実験により,提案手法が資源効率の高い信頼評価を実現することを示す。
論文 参考訳（メタデータ） (2025-07-31T13:53:25Z) - Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。
提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
論文 参考訳（メタデータ） (2024-10-23T00:31:17Z) - Federated Hierarchical Tensor Networks: a Collaborative Learning Quantum AI-Driven Framework for Healthcare [0.0]
今日の文脈では、フェデレーテッド・ラーニング(FL)は、分散機械学習の急速な進歩を助長する重要な治療法として際立っている。
本稿では,多体量子物理学の原理を応用した量子テンソルネットワークに基づく連合学習フレームワークを提案する。
一般的な医用画像データセットを用いた実験により、連合量子テンソルネットワークモデルは、曲線(ROC-AUC)の平均受信特性領域を0.91-0.98の範囲で達成した。
論文 参考訳（メタデータ） (2024-05-13T13:32:02Z) - A Factor Graph Model of Trust for a Collaborative Multi-Agent System [8.286807697708113]
信頼とは、エージェントがシステム内の他者の情報、行動、意図、真実性、能力に依存し、信頼することである。
本稿では,エージェント間の相互依存行動と信頼性を表現するために因子グラフを利用する新しいグラフィカルアプローチを提案する。
信頼度評価手法は分散化され, 近接安全性, 一貫性, 協調といった重要な相互依存サブファクタを考察する。
論文 参考訳（メタデータ） (2024-02-10T21:44:28Z) - Hypergraph Convolutional Networks for Fine-grained ICU Patient
Similarity Analysis and Risk Prediction [15.06049250330114]
集中治療ユニット(ICU、Intensive Care Unit)は、重篤な患者を認め、継続的な監視と治療を提供する病院の最も重要な部分の1つである。
臨床意思決定における医療従事者を支援するために,様々な患者結果予測手法が試みられている。
論文 参考訳（メタデータ） (2023-08-24T05:26:56Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - MedFACT: Modeling Medical Feature Correlations in Patient Health
Representation Learning via Feature Clustering [20.68759679109556]
本稿では,一般的な患者の健康表現学習フレームワークであるMedFACTを提案する。
本研究は, 時間的特徴パターンとカーネル法, グループ間の相関関係の強いクラスタ特徴の類似性を測定することで相関関係を推定する。
グラフ畳み込みネットワークを用いてグループワイドな特徴相互作用を行い、表現学習を改善する。
論文 参考訳（メタデータ） (2022-04-21T10:27:24Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - Where Does Trust Break Down? A Quantitative Trust Analysis of Deep
Neural Networks via Trust Matrix and Conditional Trust Densities [94.65749466106664]
本稿では,新しい信頼量化戦略である信頼行列の概念を紹介する。
信頼行列は、所定のアクター・オークル回答シナリオに対して期待される質問・回答信頼を定義する。
我々は、条件付き信頼密度の概念により、信頼密度の概念をさらに拡張する。
論文 参考訳（メタデータ） (2020-09-30T14:33:43Z)
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。