論文の概要: Developing an AI framework to automatically detect shared decision-making in patient-doctor conversations

• arxiv url: http://arxiv.org/abs/2509.18439v1
• Date: Mon, 22 Sep 2025 21:50:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.596892
• Title: Developing an AI framework to automatically detect shared decision-making in patient-doctor conversations
• Title（参考訳）: 患者と医師の会話における共有意思決定を自動的に検出するAIフレームワークの開発
• Authors: Oscar J. Ponce-Ponte, David Toro-Tobon, Luis F. Figueroa, Michael Gionfriddo, Megan Branda, Victor M. Montori, Saturnino Luz, Juan P. Brito,
• Abstract要約: 患者中心のケアを実現するためには、共有意思決定(SDM)が必要である。 SDMをスケールで自動的に測定する方法論は存在しない。 本研究では,言語モデリングと会話アライメント(CA)スコアを用いて,SDMの自動計測手法を開発することを目的とした。
• 参考スコア（独自算出の注目度）: 2.4684978532059128
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shared decision-making (SDM) is necessary to achieve patient-centred care. Currently no methodology exists to automatically measure SDM at scale. This study aimed to develop an automated approach to measure SDM by using language modelling and the conversational alignment (CA) score. A total of 157 video-recorded patient-doctor conversations from a randomized multi-centre trial evaluating SDM decision aids for anticoagulation in atrial fibrillations were transcribed and segmented into 42,559 sentences. Context-response pairs and negative sampling were employed to train deep learning (DL) models and fine-tuned BERT models via the next sentence prediction (NSP) task. Each top-performing model was used to calculate four types of CA scores. A random-effects analysis by clinician, adjusting for age, sex, race, and trial arm, assessed the association between CA scores and SDM outcomes: the Decisional Conflict Scale (DCS) and the Observing Patient Involvement in Decision-Making 12 (OPTION12) scores. p-values were corrected for multiple comparisons with the Benjamini-Hochberg method. Among 157 patients (34% female, mean age 70 SD 10.8), clinicians on average spoke more words than patients (1911 vs 773). The DL model without the stylebook strategy achieved a recall@1 of 0.227, while the fine-tuned BERTbase (110M) achieved the highest recall@1 with 0.640. The AbsMax (18.36 SE7.74 p=0.025) and Max CA (21.02 SE7.63 p=0.012) scores generated with the DL without stylebook were associated with OPTION12. The Max CA score generated with the fine-tuned BERTbase (110M) was associated with the DCS score (-27.61 SE12.63 p=0.037). BERT model sizes did not have an impact the association between CA scores and SDM. This study introduces an automated, scalable methodology to measure SDM in patient-doctor conversations through explainable CA scores, with potential to evaluate SDM strategies at scale.
• Abstract（参考訳）: 患者中心のケアを実現するためには、共有意思決定(SDM)が必要である。 現在、SDMをスケールで自動的に測定する方法論は存在しない。 本研究では,言語モデリングと会話アライメント(CA)スコアを用いて,SDMの自動計測手法を開発することを目的とした。 心房細動における抗凝固補助薬の無作為的多中心試験による157件のビデオ録画患者と医師の会話を,42,559文に書き起こした。 文脈応答対と負サンプリングを用いて、次の文予測(NSP)タスクを介して深層学習(DL)モデルと微調整BERTモデルを訓練した。 各トップパフォーマンスモデルを用いて4種類のCAスコアを算出した。 臨床医による無作為な影響分析では、年齢、性別、人種、およびトライアルアームがCAスコアとSDM結果の関連性を評価した。 p-値はBenjamini-Hochberg法と比較された。 157人の患者(女性34%、平均年齢70歳SD10.8)のうち、平均的な患者(1911対7373)よりも多くの言葉を話していた。 スタイルブック戦略のないDLモデルは0.227のリコール@1、微調整されたBERTbase(110M)は0.640で最高リコール@1を達成した。 AbsMax (18.36 SE7.74 p=0.025)とMax CA (21.02 SE7.63 p=0.012)は、スタイルブックのないDLで生成されたスコアはOPTION12に関連付けられている。 微細調整されたBERTbase (110M) で生成されたMax CAスコアはDCSスコア(-27.61 SE12.63 p=0.037)と関連付けられている。 BERTモデルのサイズはCAスコアとSDMの関係に影響を与えなかった。 本研究では,患者と医師の会話において,説明可能なCAスコアを用いてSDMを自動的かつスケーラブルに測定する手法を導入し,SDM戦略を大規模に評価する可能性を示した。

関連論文リスト

• Detecting PTSD in Clinical Interviews: A Comparative Analysis of NLP Methods and Large Language Models [6.916082619621498]
  外傷後ストレス障害 (PTSD) は, 臨床現場ではまだ診断されていない。 本研究では,臨床面接書からPTSDを検出するための自然言語処理手法について検討した。
  論文  参考訳（メタデータ） (2025-04-01T22:06:28Z)
• Multi-centric AI Model for Unruptured Intracranial Aneurysm Detection and Volumetric Segmentation in 3D TOF-MRI [6.397650339311053]
  我々は3DTOF-MRIで未破裂脳動脈瘤(UICA)の検出と分節を併用したオープンソースのnnU-NetベースのAIモデルを開発した。 4つの異なるトレーニングデータセットが作成され、nnU-Netフレームワークがモデル開発に使用された。 一次モデルは85%の感度と0.23FP/ケースレートを示し、ADAM-challengeの勝者(61%)と、ADAMデータでトレーニングされたnnU-Net(51%)を感度で上回った。
  論文  参考訳（メタデータ） (2024-08-30T08:57:04Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Automated Segmentation and Volume Measurement of Intracranial Carotid Artery Calcification on Non-Contrast CT [8.988312874456371]
  Rotterdam Studyでは,2人の観察者が2319名(平均年齢69歳,女性1154名)の非造影CTで頭蓋内頸動脈石灰化(ICAC)を手動で測定した。 ICACデラインの自動化とボリューム測定のための深層学習に基づく手法を, 振り返って開発し, 検証した。
  論文  参考訳（メタデータ） (2021-07-20T12:21:45Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• QC-SPHRAM: Quasi-conformal Spherical Harmonics Based Geometric Distortions on Hippocampal Surfaces for Early Detection of the Alzheimer's Disease [1.7281573530896264]
  アルツハイマー病(AD)早期発見のためのQC-SPHARMと呼ばれる疾患分類モデルを提案する。 提案したQC-SPHARMは, 健常者 (NC) とAD患者 (AD) の鑑別が可能であり, 覚醒性軽度認知障害 (aMCI) 患者 (AD) の鑑別も可能である。
  論文  参考訳（メタデータ） (2020-03-20T02:08:41Z)

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。