論文の概要: FHIR-RAG-MEDS: Integrating HL7 FHIR with Retrieval-Augmented Large Language Models for Enhanced Medical Decision Support
- arxiv url: http://arxiv.org/abs/2509.07706v1
- Date: Tue, 09 Sep 2025 13:10:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:27.322141
- Title: FHIR-RAG-MEDS: Integrating HL7 FHIR with Retrieval-Augmented Large Language Models for Enhanced Medical Decision Support
- Title（参考訳）: FHIR-RAG-MEDS: HL7 FHIRと検索強化大言語モデルの統合による医療意思決定支援
- Authors: Yildiray Kabak, Gokce B. Laleci Erturkmen, Mert Gencturk, Tuncay Namli, A. Anil Sinaci, Ruben Alcantud Corcoles, Cristina Gomez Ballesteros, Pedro Abizanda, Asuman Dogac,
- Abstract要約: 根拠に基づく臨床ガイドラインに基づく個人化された医療意思決定支援を改善するために,検索型RAG(Retrieval-Augmented Generation)ベースのシステムを提案する。
これらの技術の可能性にもかかわらず、実用アプリケーションにおけるそれらの統合についての研究は限られている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, we propose FHIR-RAG-MEDS system that aims to integrate Health Level 7 Fast Healthcare Interoperability Resources (HL7 FHIR) with a Retrieval-Augmented Generation (RAG)-based system to improve personalized medical decision support on evidence-based clinical guidelines, emphasizing the need for research in practical applications. In the evolving landscape of medical decision support systems, integrating advanced technologies such as RAG and HL7 FHIR can significantly enhance clinical decision-making processes. Despite the potential of these technologies, there is limited research on their integration in practical applications.
- Abstract（参考訳）: 本研究では,健康レベル7のファストヘルスケア・インターオペラビリティ・リソース(HL7 FHIR)とレトリーバル・Augmented Generation(RAG)ベースのシステムを統合することを目的としたFHIR-RAG-MEDSシステムを提案する。
医学的意思決定支援システムの進化において、RAGやHL7 FHIRといった先進的な技術を統合することで、臨床的な意思決定プロセスを大幅に強化することができる。
これらの技術の可能性にもかかわらず、実用アプリケーションにおけるそれらの統合についての研究は限られている。
関連論文リスト
- Reasoning LLMs in the Medical Domain: A Literature Survey [2.028864261411204]
LLM(Large Language Models)における高度な推論能力の出現は、医療アプリケーションにおける変革的な発展を示している。
本研究では,基礎情報検索ツールから高度臨床推論システムへの医療用LCMの転換について検討する。
論文 参考訳（メタデータ） (2025-08-26T14:59:19Z) - From Promise to Practical Reality: Transforming Diffusion MRI Analysis with Fast Deep Learning Enhancement [35.368152968098194]
FastFOD-Netは、FODを優れたパフォーマンスで強化し、臨床使用のためのトレーニング/推論効率を提供するエンドツーエンドのディープラーニングフレームワークである。
この研究は、拡散MRIの強化のための深層学習に基づく手法を、より広く採用し、臨床信頼を構築することを促進する。
論文 参考訳（メタデータ） (2025-08-13T17:56:29Z) - Enhancing Clinical Decision Support and EHR Insights through LLMs and the Model Context Protocol: An Open-Source MCP-FHIR Framework [0.9246281666115259]
本稿では,Large Language Models (LLM) と HL7 FHIR データをモデルコンテキストプロトコル (MCP) を介して統合するオープンソースフレームワークを提案する。
提案手法は、スケーラブルで説明可能な、相互運用可能なAIベースのEHRアプリケーションを提供する。
論文 参考訳（メタデータ） (2025-06-13T04:07:19Z) - Integrating Generative Artificial Intelligence in ADRD: A Roadmap for Streamlining Diagnosis and Care in Neurodegenerative Diseases [8.903189530397318]
医療システムは、特にアルツハイマー病と関連する認知症において、神経学的ケアの需要が増大するのに苦慮している。
LLMに基づく生成AIシステムは,ADRDケアにおける専門レベルの評価と意思決定に大規模にアプローチするために臨床能力を高めることができる。
論文 参考訳（メタデータ） (2025-02-06T19:09:11Z) - Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。
医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。
実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
論文 参考訳（メタデータ） (2024-11-14T06:19:18Z) - MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models [49.765466293296186]
近年,Med-LVLM (Med-LVLMs) の進歩により,対話型診断ツールの新たな可能性が高まっている。
Med-LVLMは、しばしば事実の幻覚に悩まされ、誤った診断につながることがある。
我々は,Med-LVLMの現実性を高めるために,多目的マルチモーダルRAGシステムMMed-RAGを提案する。
論文 参考訳（メタデータ） (2024-10-16T23:03:27Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z)
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。