論文の概要: Developing a Responsible AI Framework for Healthcare in Low Resource Countries: A Case Study in Nepal and Ghana
- arxiv url: http://arxiv.org/abs/2508.12389v1
- Date: Sun, 17 Aug 2025 14:59:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:10.714521
- Title: Developing a Responsible AI Framework for Healthcare in Low Resource Countries: A Case Study in Nepal and Ghana
- Title（参考訳）: 低資源国における医療のための責任あるAIフレームワークの開発:ネパールとガーナを事例として
- Authors: Hari Krishna Neupane, Bhupesh Kumar Mishra,
- Abstract要約: 本稿ではネパールとガーナにおける調査に基づく評価と知見について述べる。
データプライバシ、信頼性、信頼の問題といった大きな障害を強調します。
本稿では,資源制約のある環境に適したResponsible AI(RAI)フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The integration of Artificial Intelligence (AI) into healthcare systems in low-resource settings, such as Nepal and Ghana, presents transformative opportunities to improve personalized patient care, optimize resources, and address medical professional shortages. This paper presents a survey-based evaluation and insights from Nepal and Ghana, highlighting major obstacles such as data privacy, reliability, and trust issues. Quantitative and qualitative field studies reveal critical metrics, including 85% of respondents identifying ethical oversight as a key concern, and 72% emphasizing the need for localized governance structures. Building on these findings, we propose a draft Responsible AI (RAI) Framework tailored to resourceconstrained environments in these countries. Key elements of the framework include ethical guidelines, regulatory compliance mechanisms, and contextual validation approaches to mitigate bias and ensure equitable healthcare outcomes.
- Abstract（参考訳）: ネパールやガーナなどの低リソース環境における医療システムへの人工知能(AI)の統合は、パーソナライズされた患者のケアを改善し、リソースを最適化し、医療専門家の不足に対処する変革的な機会を提供する。
本稿では,ネパールとガーナの調査結果をもとに,データプライバシや信頼性,信頼問題といった大きな障害に注目した。
定量的で質的なフィールドスタディでは、倫理的監視を重要な関心事とみなす回答者の85%、局所的なガバナンス構造の必要性を強調する72%など、重要な指標が明らかにされている。
これらの知見に基づいて,これらの国々の資源制約環境に適したResponsible AI(RAI)フレームワークを提案する。
このフレームワークの主な要素は、倫理的ガイドライン、規制コンプライアンスのメカニズム、バイアスを緩和し、公平な医療結果を確保するためのコンテキスト検証アプローチである。
関連論文リスト
- Artificial Intelligence in Rural Healthcare Delivery: Bridging Gaps and Enhancing Equity through Innovation [3.192479877329154]
農村医療は、インフラの不十分、労働力不足、社会経済的格差など、永続的な課題に直面している。
われわれは、2019年から2024年の間にPubMed、Embase、Web of Science、IEEE Xplore、Scopusから発行された109の研究を体系的にレビューした。
この発見は、予測分析、遠隔医療プラットフォーム、自動診断ツールなど、AIアプリケーションにとって大きな可能性を秘めている。
論文 参考訳（メタデータ） (2025-08-15T17:08:10Z) - A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。
本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
論文 参考訳（メタデータ） (2025-08-13T13:42:35Z) - Generative AI-Driven Decision-Making for Disease Control and Pandemic Preparedness Model 4.0 in Rural Communities of Bangladesh: Management Informatics Approach [0.7067443325368975]
バングラデシュの農村部は深刻な医療障害に直面している。
これらの障害は、効果的な疾患管理とパンデミックの準備を妨げる。
この研究は、辺境化した農村住民の健康回復力とパンデミックの準備は、AIによる局所的な疾病管理戦略によって改善できると結論付けている。
論文 参考訳（メタデータ） (2025-08-02T01:54:16Z) - Rethinking Evidence Hierarchies in Medical Language Benchmarks: A Critical Evaluation of HealthBench [0.0]
HealthBenchは、健康のためにAIシステムの能力を測定するために設計されたベンチマークである。
高レベルな臨床的証拠ではなく、専門家の意見に頼っているため、地域バイアスと個々の臨床医の同調を表わすリスクがある。
本稿では,体系的レビューとGRADEエビデンス評価を取り入れたバージョン管理臨床ガイドラインにおいて,報酬関数のアンカー化を提案する。
論文 参考訳（メタデータ） (2025-07-31T18:16:10Z) - REVAL: A Comprehension Evaluation on Reliability and Values of Large Vision-Language Models [59.445672459851274]
REVALは、Large Vision-Language Modelsの textbfREliability と textbfVALue を評価するために設計された包括的なベンチマークである。
REVALには144K以上の画像テキストビジュアル質問回答(VQA)サンプルが含まれており、信頼性と価値の2つの主要なセクションで構成されている。
主流のオープンソースLVLMや,GPT-4oやGemini-1.5-Proといった著名なクローズドソースモデルを含む26のモデルを評価した。
論文 参考訳（メタデータ） (2025-03-20T07:54:35Z) - 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) - Asymmetrical Reciprocity-based Federated Learning for Resolving Disparities in Medical Diagnosis [68.06621490069428]
地理的な健康格差は、特に低所得国と中所得国の未保存地域において、世界的課題となっている。
我々は、地理的な健康格差を緩和し、未保存地域の診断能力を増強することを目的とした、新しいクロスサイロ・フェデレーション学習フレームワークであるFedHelpを提案する。
論文 参考訳（メタデータ） (2024-12-27T13:59:58Z) - Trustworthy and Practical AI for Healthcare: A Guided Deferral System with Large Language Models [1.2281181385434294]
大規模言語モデル(LLM)は、医療における様々なアプリケーションに有用な技術を提供する。
彼らの幻覚化傾向と既存のプロプライエタリなシステムへの依存は、批判的な意思決定に関する環境に課題をもたらす。
本稿では,障害分類のための医療報告を同時に解析し,ヒトへの知的な指導による不確実な予測を推論する新しいHAICガイド型deferralシステムを提案する。
論文 参考訳（メタデータ） (2024-06-11T12:41:54Z) - Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [59.4999994297993]
この総合的なレビューは、医療知識グラフ(HKG)の現状の概要を提供することを目的としている。
我々は,既存のHKGに関する文献を網羅的に分析し,その構築方法,活用技術,応用について考察した。
このレビューは、HKGsが生物医学研究や臨床実践に大きな影響を与える可能性を強調している。
論文 参考訳（メタデータ） (2023-06-07T21:51:56Z)
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。