論文の概要: Generative AI for Healthcare: Fundamentals, Challenges, and Perspectives

• arxiv url: http://arxiv.org/abs/2510.24551v1
• Date: Tue, 28 Oct 2025 15:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 15:35:37.260488
• Title: Generative AI for Healthcare: Fundamentals, Challenges, and Perspectives
• Title（参考訳）: 医療のためのジェネレーティブAI:基礎,課題,展望
• Authors: Gang Chen, Changshuo Liu, Gene Anne Ooi, Marcus Tan, Zhongle Xie, Jianwei Yin, James Wei Luen Yip, Wenqiao Zhang, Jiaqi Zhu, Beng Chin Ooi,
• Abstract要約: 我々は、医療のためのGenAIシステムの設計と展開において、データ中心のパラダイムを提案する。 このエコシステムは、多様な医療データと知識の統合、表現、検索をサポートするように設計されている。
• 参考スコア（独自算出の注目度）: 37.91484716866049
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative Artificial Intelligence (GenAI) is taking the world by storm. It promises transformative opportunities for advancing and disrupting existing practices, including healthcare. From large language models (LLMs) for clinical note synthesis and conversational assistance to multimodal systems that integrate medical imaging, electronic health records, and genomic data for decision support, GenAI is transforming the practice of medicine and the delivery of healthcare, such as diagnosis and personalized treatments, with great potential in reducing the cognitive burden on clinicians, thereby improving overall healthcare delivery. However, GenAI deployment in healthcare requires an in-depth understanding of healthcare tasks and what can and cannot be achieved. In this paper, we propose a data-centric paradigm in the design and deployment of GenAI systems for healthcare. Specifically, we reposition the data life cycle by making the medical data ecosystem as the foundational substrate for generative healthcare systems. This ecosystem is designed to sustainably support the integration, representation, and retrieval of diverse medical data and knowledge. With effective and efficient data processing pipelines, such as semantic vector search and contextual querying, it enables GenAI-powered operations for upstream model components and downstream clinical applications. Ultimately, it not only supplies foundation models with high-quality, multimodal data for large-scale pretraining and domain-specific fine-tuning, but also serves as a knowledge retrieval backend to support task-specific inference via the agentic layer. The ecosystem enables the deployment of GenAI for high-quality and effective healthcare delivery.
• Abstract（参考訳）: ジェネレーティブ・人工知能(GenAI)は嵐によって世界を席巻している。 医療を含む既存のプラクティスを前進させ、破壊する変革的な機会を約束する。 医療画像、電子健康記録、ゲノムデータを統合した意思決定支援のためのマルチモーダルシステムに対する臨床ノート合成および会話支援のための大規模言語モデル(LLMs)から、GenAIは、診断やパーソナライズドな治療などの医療の実践と提供を変革し、臨床医の認知的負担を軽減し、全体の医療提供を改善する大きな可能性を秘めている。 しかし、医療におけるGenAIの展開には、医療のタスクと達成できないことの詳細な理解が必要である。 本稿では,医療用GenAIシステムの設計と展開におけるデータ中心のパラダイムを提案する。 具体的には、医療データエコシステムを再生医療システムの基礎基盤とすることで、データライフサイクルを再配置する。 このエコシステムは、様々な医療データや知識の統合、表現、検索を持続的にサポートするように設計されている。 セマンティックベクター検索やコンテキストクエリなどの効率的なデータ処理パイプラインによって、上流モデルコンポーネントや下流臨床アプリケーションに対するGenAIベースの操作が可能になる。 最終的に、大規模な事前トレーニングとドメイン固有の微調整のための高品質でマルチモーダルなデータを持つ基礎モデルを提供するだけでなく、エージェント層を介してタスク固有の推論をサポートするための知識検索バックエンドとしても機能する。 このエコシステムは、GenAIを高品質で効果的なヘルスケアデリバリーにデプロイすることを可能にする。

関連論文リスト

• Mitigating Clinician Information Overload: Generative AI for Integrated EHR and RPM Data Analysis [0.523377539745706]
  生成人工知能(GenAI)の能力・要件・応用の概要を概観する。 患者データ,すなわちリアルタイム遠隔患者モニタリング(RPM)ストリームと従来の電子健康記録(EHR)の形式と情報源について,まず背景を述べる。 これらのアプリケーションは、縦断的患者のデータのナビゲーションを強化し、自然言語対話による実用的な臨床診断支援を提供する。
  論文  参考訳（メタデータ） (2025-08-26T17:10:21Z)
• A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
  PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。 私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
  論文  参考訳（メタデータ） (2025-03-26T05:56:46Z)
• Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
  ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。 ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
  論文  参考訳（メタデータ） (2024-07-30T18:33:05Z)
• The Potential and Perils of Generative Artificial Intelligence for Quality Improvement and Patient Safety [27.753117791280857]
  ジェネレーティブ人工知能(GenAI)は、患者の医療の質と安全性を高める自動化を通じて、医療を改善する可能性がある。 我々は、医療におけるGenAIの即時適用は、明確に定義された、低いリスク、高い価値、狭いアプリケーションを通して行われると仮定する。 我々はこれを、臨床成績を改善するエンドツーエンドの臨床意思決定のための汎用AIモデルと対比する。
  論文  参考訳（メタデータ） (2024-06-23T15:01:11Z)
• Practical Applications of Advanced Cloud Services and Generative AI Systems in Medical Image Analysis [17.4235794108467]
  本稿では、医用画像における生成AIの変換可能性について考察し、合成ACM-2データを生成する能力を強調した。 データセットのサイズと多様性の制限に対処することにより、これらのモデルはより正確な診断と患者の結果の改善に寄与する。
  論文  参考訳（メタデータ） (2024-03-26T09:55:49Z)
• 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)
• 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)
• A Conceptual Algorithm for Applying Ethical Principles of AI to Medical Practice [5.005928809654619]
  AIを利用するツールは、複数のドメインにまたがる専門家レベルのパフォーマンスに、ますます一致するか、超えている。 これらのシステムは、人口、人種、社会経済の境界を越えたケア提供の格差を減らすことを約束している。 このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。
  論文  参考訳（メタデータ） (2023-04-23T04:14:18Z)

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。