論文の概要: AmarDoctor: An AI-Driven, Multilingual, Voice-Interactive Digital Health Application for Primary Care Triage and Patient Management to Bridge the Digital Health Divide for Bengali Speakers

• arxiv url: http://arxiv.org/abs/2510.24724v1
• Date: Sun, 28 Sep 2025 11:31:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.975954
• Title: AmarDoctor: An AI-Driven, Multilingual, Voice-Interactive Digital Health Application for Primary Care Triage and Patient Management to Bridge the Digital Health Divide for Bengali Speakers
• Title（参考訳）: AmarDoctor: ベンガル話者のためのデジタルヘルスディバイドを橋渡しする、プライマリケアトライアージと患者管理のためのAI駆動、多言語、音声対話型デジタルヘルスアプリケーション
• Authors: Nazmun Nahar, Ritesh Harshad Ruparel, Shariar Kabir, Sumaiya Tasnia Khan, Shyamasree Saha, Mamunur Rashid,
• Abstract要約: AmarDoctorは多言語音声対話型デジタルヘルスアプリだ。 ベンガル語話者のための総合的な患者トリアージとAIによる臨床決定支援を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents AmarDoctor, a multilingual voice-interactive digital health app designed to provide comprehensive patient triage and AI-driven clinical decision support for Bengali speakers, a population largely underserved in access to digital healthcare. AmarDoctor adopts a data-driven approach to strengthen primary care delivery and enable personalized health management. While platforms such as AdaHealth, WebMD, Symptomate, and K-Health have become popular in recent years, they mainly serve European demographics and languages. AmarDoctor addresses this gap with a dual-interface system for both patients and healthcare providers, supporting three major Bengali dialects. At its core, the patient module uses an adaptive questioning algorithm to assess symptoms and guide users toward the appropriate specialist. To overcome digital literacy barriers, it integrates a voice-interactive AI assistant that navigates users through the app services. Complementing this, the clinician-facing interface incorporates AI-powered decision support that enhances workflow efficiency by generating structured provisional diagnoses and treatment recommendations. These outputs inform key services such as e-prescriptions, video consultations, and medical record management. To validate clinical accuracy, the system was evaluated against a gold-standard set of 185 clinical vignettes developed by experienced physicians. Effectiveness was further assessed by comparing AmarDoctor performance with five independent physicians using the same vignette set. Results showed AmarDoctor achieved a top-1 diagnostic precision of 81.08 percent (versus physicians average of 50.27 percent) and a top specialty recommendation precision of 91.35 percent (versus physicians average of 62.6 percent).
• Abstract（参考訳）: 本研究では,ベンガル語話者の包括的トリアージとAIによる臨床的意思決定を支援するために設計された多言語音声対話型デジタルヘルスアプリであるAmarDoctorについて紹介する。 AmarDoctorは、プライマリケアデリバリを強化し、パーソナライズされたヘルス管理を可能にするために、データ駆動アプローチを採用している。 近年、AdaHealth、WebMD、Symptomate、K-Healthなどのプラットフォームが人気を博しているが、主にヨーロッパの人口統計や言語を提供している。 AmarDoctorはこのギャップを、患者と医療提供者の両方のための二重インターフェースシステムで解決し、3つのベンガル方言をサポートする。 患者モジュールの中核は、適応的な質問アルゴリズムを使用して、症状を評価し、適切な専門家にユーザーを誘導する。 デジタルリテラシー障壁を克服するために、アプリサービスを介してユーザーをナビゲートする音声対話型AIアシスタントを統合する。 これに補完するため、臨床医向けのインターフェースにはAIによる意思決定サポートが含まれており、構造化された仮診断と治療勧告を生成することでワークフロー効率を向上させる。 これらのアウトプットは、e-prescriptions、ビデオコンサルテーション、医療記録管理などの重要なサービスに通知する。 臨床的精度を評価するため, 経験者により開発された185種類の臨床ヴィグネットのゴールドスタンダードセットに対して評価を行った。 また, 同じビグネットセットを用いて, 5人の医師とAmarDoctorのパフォーマンスを比較検討した。 その結果、AmarDoctorの診断精度は81.08%(対医平均50.27パーセント)で、推奨精度は91.35パーセント(対医平均62.6%)であった。

関連論文リスト

• Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
  本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。 本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。 DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-28T17:19:47Z)
• Arabic Large Language Models for Medical Text Generation [0.5483130283061118]
  本研究では,アラビア語医療用テキスト生成のための大規模言語モデル(LLM)を提案する。 このシステムは、正確な医療アドバイス、診断、薬物レコメンデーション、およびユーザ入力に基づく治療計画を提供することによって、患者を支援するように設計されている。
  論文  参考訳（メタデータ） (2025-09-12T09:37:26Z)
• MedGemma Technical Report [75.88152277443179]
  MedGemmaは、Gemma 3 4Bと27Bをベースとした医療ビジョン言語基盤モデルの集合体である。 MedGemmaは、画像とテキストの高度な医学的理解と推論を実証する。 また、SigLIPから派生した医用目視エンコーダであるMedSigLIPを紹介する。
  論文  参考訳（メタデータ） (2025-07-07T17:01:44Z)
• Toward the Autonomous AI Doctor: Quantitative Benchmarking of an Autonomous Agentic AI Versus Board-Certified Clinicians in a Real World Setting [0.0]
  2030年までには、世界中で1100万人の医療従事者が不足していると予測されている。 エンド・ツー・エンドの大規模言語モデル(LLM)ベースのAIシステムは、実際の臨床実践において厳格に評価されていない。
  論文  参考訳（メタデータ） (2025-06-27T19:04:44Z)
• Efficient Fine-Tuning of Large Language Models for Automated Medical Documentation [6.2396636988005545]
  本研究は,医学的対話から医療報告を自動生成することを目的とした,微調整型大規模言語モデル(LLM)であるMediGenを紹介する。 オープンソース事前訓練モデルの微調整に最先端の方法論を活用することで、MediGenは臨床相互作用の転写および要約において高い精度を達成する。
  論文  参考訳（メタデータ） (2024-09-14T06:02:17Z)
• RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
  本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。 患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-22T17:44:40Z)
• Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
  我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。 我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T06:09:02Z)

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。