論文の概要: A Unified AI Approach for Continuous Monitoring of Human Health and Diseases from Intensive Care Unit to Home with Physiological Foundation Models (UNIPHY+)
- arxiv url: http://arxiv.org/abs/2509.16348v1
- Date: Fri, 19 Sep 2025 18:40:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.748262
- Title: A Unified AI Approach for Continuous Monitoring of Human Health and Diseases from Intensive Care Unit to Home with Physiological Foundation Models (UNIPHY+)
- Title（参考訳）: 集中治療室から在宅生理基盤モデル(UNIPHY+)へのヒューマンヘルス・疾患の継続的モニタリングのための統合AIアプローチ
- Authors: Minxiao Wang, Saurabh Kataria, Juntong Ni, Timothy G. Buchman, Jocelyn Grunwell, Mark Mai, Wei Jin, Matthew Clark, Stephanie Brown, Michael Fundora, Puneet Sharma, Tony Pan, Sam Khan, Timothy Ruchti, Naveen Muthu, Kevin Maher, Sivasubramanium V Bhavani, Xiao Hu,
- Abstract要約: UNIPHY+は、ユビキタスに取得可能な生理データを用いて、ケア設定全体にわたって継続的に人間の健康と病気をモニタリングできるようにするために設計された統合された生理基盤モデル(PhyloFM)フレームワークである。
本研究では,事前学習,微調整,軽量モデルパーソナライゼーションにおいて,文脈情報を組み込む新しい手法を提案する。
我々は、UNIPHY+が、臨床意思決定と長期健康モニタリングの両方をサポートするために、一般化可能でスケーラブルでパーソナライズされた生理的AIに力を与えることを示すために、集中治療から循環監視まで幅広いユースケースでUNIPHY+をテストすることを提唱する。
- 参考スコア（独自算出の注目度）: 9.473524860648036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present UNIPHY+, a unified physiological foundation model (physioFM) framework designed to enable continuous human health and diseases monitoring across care settings using ubiquitously obtainable physiological data. We propose novel strategies for incorporating contextual information during pretraining, fine-tuning, and lightweight model personalization via multi-modal learning, feature fusion-tuning, and knowledge distillation. We advocate testing UNIPHY+ with a broad set of use cases from intensive care to ambulatory monitoring in order to demonstrate that UNIPHY+ can empower generalizable, scalable, and personalized physiological AI to support both clinical decision-making and long-term health monitoring.
- Abstract（参考訳）: UNIPHY+は、ユビキタスで取得可能な生理的データを用いて、ケア環境全体にわたって、継続的なヒトの健康と病気のモニタリングを可能にするために設計された、統合された生理基盤モデル(PFI)フレームワークである。
本稿では,事前学習,微調整,マルチモーダル学習,機能融合チューニング,知識蒸留によるモデルパーソナライズを行うための新しい手法を提案する。
我々は、UNIPHY+が、臨床意思決定と長期健康モニタリングの両方をサポートするために、一般化可能でスケーラブルでパーソナライズされた生理的AIに力を与えることを示すために、集中治療から循環監視まで幅広いユースケースでUNIPHY+をテストすることを提唱する。
関連論文リスト
- A Fully Open and Generalizable Foundation Model for Ultrasound Clinical Applications [77.3888788549565]
一般臨床用超音波基礎モデルであるEchoCareについて紹介する。
我々は、キュレートされた、一般公開された大規模なデータセットであるEchoCareData上で、自己教師付き学習を通じてEchoCareを開発した。
最小限のトレーニングで、EchoCareは10の代表的なベンチマークで最先端の比較モデルを上回っている。
論文 参考訳（メタデータ） (2025-09-15T10:05:31Z) - Biomedical Foundation Model: A Survey [84.26268124754792]
ファンデーションモデルは、広範なラベルなしデータセットから学習する大規模な事前訓練モデルである。
これらのモデルは、質問応答や視覚的理解といった様々な応用に適応することができる。
本研究は,生物医学分野における基礎モデルの可能性を探るものである。
論文 参考訳（メタデータ） (2025-03-03T22:42:00Z) - Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。
本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
論文 参考訳（メタデータ） (2024-07-20T18:34:20Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳（メタデータ） (2024-01-22T03:17:41Z) - Adaptive Multi-Agent Deep Reinforcement Learning for Timely Healthcare Interventions [17.405080523382235]
マルチエージェント深部強化学習(DRL)を用いた新しいAI駆動型患者監視フレームワークを提案する。
アプローチでは複数の学習エージェントをデプロイし,心拍数,呼吸量,温度などの生理的特徴をモニタする。
提案する多エージェントDRLフレームワークの性能を,2つのデータセットから実世界の生理・運動データを用いて評価した。
論文 参考訳（メタデータ） (2023-09-20T00:42:08Z) - Multi-Site Clinical Federated Learning using Recursive and Attentive
Models and NVFlare [13.176351544342735]
本稿では、データプライバシと規制コンプライアンスの課題に対処する統合フレームワークを開発する。
これには、データのプライバシと規制コンプライアンスの課題に対処し、高い精度を維持し、提案されたアプローチの有効性を実証する統合フレームワークの開発が含まれている。
論文 参考訳（メタデータ） (2023-06-28T17:00:32Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z) - Graph representation forecasting of patient's medical conditions:
towards a digital twin [0.0]
複数組織におけるACE2過剰発現が心血管機能に及ぼす影響について検討した。
本稿では,分子データを用いた大規模な構成可能な臨床モデルの統合という概念の実証を行う。
論文 参考訳（メタデータ） (2020-09-17T13:49:48Z)
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。