論文の概要: A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms

• arxiv url: http://arxiv.org/abs/2510.09308v1
• Date: Fri, 10 Oct 2025 12:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.889319
• Title: A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms
• Title（参考訳）: AIを活用したヘルスケアプラットフォームに対するモデル駆動エンジニアリングアプローチ
• Authors: Mira Raheem, Amal Elgammal, Michael Papazoglou, Bernd Krämer, Neamat El-Tazi,
• Abstract要約: 医療AIに特化したモデル駆動工学(MDE)フレームワークを導入する。 フレームワークは、フォーマルなメタモデル、ドメイン固有言語、そして、ハイレベルな仕様から実行中のソフトウェアに移行するための自動変換に依存しています。 マルチセンター癌免疫療法研究において,本手法について検討した。
• 参考スコア（独自算出の注目度）: 0.03262230127283451
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) has the potential to transform healthcare by supporting more accurate diagnoses and personalized treatments. However, its adoption in practice remains constrained by fragmented data sources, strict privacy rules, and the technical complexity of building reliable clinical systems. To address these challenges, we introduce a model driven engineering (MDE) framework designed specifically for healthcare AI. The framework relies on formal metamodels, domain-specific languages (DSLs), and automated transformations to move from high level specifications to running software. At its core is the Medical Interoperability Language (MILA), a graphical DSL that enables clinicians and data scientists to define queries and machine learning pipelines using shared ontologies. When combined with a federated learning architecture, MILA allows institutions to collaborate without exchanging raw patient data, ensuring semantic consistency across sites while preserving privacy. We evaluate this approach in a multi center cancer immunotherapy study. The generated pipelines delivered strong predictive performance, with support vector machines achieving up to 98.5 percent and 98.3 percent accuracy in key tasks, while substantially reducing manual coding effort. These findings suggest that MDE principles metamodeling, semantic integration, and automated code generation can provide a practical path toward interoperable, reproducible, and trustworthy digital health platforms.
• Abstract（参考訳）: 人工知能(AI)は、より正確な診断とパーソナライズされた治療をサポートすることで、医療を変革する可能性がある。 しかし、実際には、断片化されたデータソース、厳格なプライバシールール、信頼性の高い臨床システムを構築するための技術的複雑さに制約が課されている。 これらの課題に対処するために、医療AIに特化したモデル駆動工学(MDE)フレームワークを導入する。 このフレームワークは、正式なメタモデル、ドメイン固有言語(DSL)、そしてハイレベルな仕様から実行中のソフトウェアに移行するための自動変換に依存しています。 中心となるのは、臨床医やデータサイエンティストが共有オントロジーを使用してクエリや機械学習パイプラインを定義することを可能にするグラフィカルDSLであるMILA(Messical Interoperability Language)である。 MILAは、フェデレートされた学習アーキテクチャと組み合わせることで、組織が生の患者データを交換することなく協力し、プライバシを保ちながらサイト間でセマンティックな一貫性を確保することができる。 マルチセンター癌免疫療法研究において,本手法について検討した。 生成されたパイプラインは強力な予測性能を提供し、サポートベクターマシンは98.5%と98.3%の精度をキータスクで達成し、手作業によるコーディングの労力を大幅に削減した。 これらの結果は、MDE原則のメタモデリング、セマンティック統合、および自動コード生成が、相互運用可能で再現可能で信頼性の高いデジタルヘルスプラットフォームへの実践的な道をもたらすことを示唆している。

関連論文リスト

• Secure Multi-Modal Data Fusion in Federated Digital Health Systems via MCP [0.0]
  本研究では,モデルコンテキストプロトコル(MCP)を,セキュアなクロスエージェント通信のための相互運用層として活用する新しいフレームワークを提案する。 提案アーキテクチャは,臨床画像,電子カルテ,ウェアラブルIoTデータに対するマルチモーダルな特徴アライメント,患者に敏感な更新を保護するために差分プライバシによるセキュアなアグリゲーション,モバイルクライアントにおけるドロップアウトを軽減するためのエネルギー認識スケジューリングの3つの柱を統合する。
  論文  参考訳（メタデータ） (2025-10-02T08:19:56Z)
• impuTMAE: Multi-modal Transformer with Masked Pre-training for Missing Modalities Imputation in Cancer Survival Prediction [75.43342771863837]
  我々は,効率的なマルチモーダル事前学習戦略を備えた新しいトランスフォーマーに基づくエンドツーエンドアプローチである impuTMAE を紹介する。 マスクされたパッチを再構築することで、モダリティの欠如を同時に示唆しながら、モダリティ間の相互作用とモダリティ内相互作用を学習する。 本モデルは,TGA-GBM/LGGとBraTSデータセットを用いたグリオーマ生存予測のために,異種不完全データに基づいて事前訓練を行った。
  論文  参考訳（メタデータ） (2025-08-08T10:01:16Z)
• CDE-Mapper: Using Retrieval-Augmented Language Models for Linking Clinical Data Elements to Controlled Vocabularies [0.59374762912328]
  臨床データ要素の標準化(CDEs)は、様々な医療システムにまたがる一貫した総合的な患者情報を確保することを目的としている。 既存の方法は、様々な表現と複雑な構造のCDEを標準化する際にしばしば失敗し、臨床研究におけるデータ統合と相互運用性を妨げる。 CDE-Mapperは、CDEと制御語彙のリンクを自動化するために、大規模言語モデルと組み合わせた検索・拡張生成アプローチを活用する革新的なフレームワークである。
  論文  参考訳（メタデータ） (2025-05-07T12:32:05Z)
• 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)
• CliMB: An AI-enabled Partner for Clinical Predictive Modeling [42.32743590150279]
  CliMBは、臨床科学者が自然言語を使って予測モデルを作成できるように設計された、コードなしAI対応のパートナーである。 CliMBは、医療データ科学のパイプライン全体を通して臨床科学者をガイドする。 CliMBは、計画、エラー防止、コード実行、モデルパフォーマンスといった重要な領域において、一貫して優れたパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-09-30T21:18:05Z)
• Autonomous Artificial Intelligence Agents for Clinical Decision Making in Oncology [0.6397820821509177]
  本稿では,大規模言語モデル(LLM)を中心的推論エンジンとして活用する,マルチモーダル医療用AIの代替手法を提案する。 このエンジンは、医療用AIツールのセットを自律的に調整し、デプロイする。 適切なツール(97%)、正しい結論(93.6%)、完全(94%)、個人患者に有用な推奨(89.2%)を提示する能力が高いことを示す。
  論文  参考訳（メタデータ） (2024-04-06T15:50:19Z)
• Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions [48.0590120095748]
  本稿では,多様な入力モダリティと融合戦略を符号化する最適なモデルアーキテクチャを自動検索する,AutoFMという新しいニューラルネットワーク探索フレームワークを提案する。 我々は実世界のマルチモーダルEHRデータと予測タスクについて徹底的な実験を行い、その結果、我々のフレームワークが既存の最先端手法よりも大幅な性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2024-01-20T15:14:14Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
  この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
  論文  参考訳（メタデータ） (2021-09-29T18:09:41Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)

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。