論文の概要: A Collaborative Model for Improving Information Sharing among Cancer Care Groups using Software Engineering Principles

• arxiv url: http://arxiv.org/abs/2511.06885v1
• Date: Mon, 10 Nov 2025 09:38:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.181908
• Title: A Collaborative Model for Improving Information Sharing among Cancer Care Groups using Software Engineering Principles
• Title（参考訳）: ソフトウェア工学原理を用いたがんケアグループ間の情報共有改善のための協調モデル
• Authors: Davis Byamugisha, Francis Kamuganga, Adones Rukundo, John Businge,
• Abstract要約: がん治療とソフトウェア工学情報管理の類似性を分析する。 ソフトウェア工学の原則を用いたがんケアグループ間の情報共有モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective treatment of cancer requires early diagnosis which involves the patient's awareness of the early signs and symptoms, leading to a consultation with a health provider, who would then promptly refer the patient for confirmation of the diagnosis and thereafter treatment. However, this is not always the case because of delays arising from limited skilled manpower and health information management systems that are neither integrated nor organized in their design hence leading to information gap among care groups. Existing methods focus on using accumulated data to support decision making, enhancing the sharing of secondary data while others exclude some critical stakeholders like patient caretakers and administrators thus, leaving an information gap that creates delays and miscommunication during case management. We however notice some similarities between cancer treatment and software engineering information management especially when progress history needs to be maintained (versioning). We analyze the similarities and propose a model for information sharing among cancer care groups using the software engineering principles approach. We model for reducing delays and improving coordination among care groups in cancer case management. Model design was guided by software engineering principles adopted in GitHub version control system for bug fixing in open-source code projects. Any-Logic simulation software was used to mimic the model realism in a virtual environment. Results show that bug resolution principles from software engineering and GitHub version control system can be adopted to coordinate collaboration and information sharing among care groups in a cancer case management environment while involving all stakeholders to improve care treatment outcomes, ensure early diagnosis and increase patient's survival chances.
• Abstract（参考訳）: がんの効果的な治療には早期診断が必要で、早期の徴候や症状の認識が伴うため、医療提供者と相談し、直ちに患者に診断の確認とその後の治療を指示する。 しかし, 限られた技術マンパワーによる遅れや, 設計に組み込まれていない, 組織化されていない健康情報管理システムによって, ケアグループ間の情報格差が生じるため, 必ずしもそうではない。 既存の方法は、蓄積したデータを使用して意思決定を支援し、二次データの共有を強化し、他の方法では、患者の介護者や管理者のような重要なステークホルダーを排除し、ケース管理中に遅延や誤ったコミュニケーションを引き起こす情報ギャップを残している。 しかし,がん治療とソフトウェア工学情報管理の類似点は,特に進行史の維持が必要な場合(逆転)に顕著である。 類似性を解析し,ソフトウェア工学のアプローチを用いて癌ケアグループ間の情報共有モデルを提案する。 がん症例管理における遅れの軽減とケアグループ間の連携の改善をモデルとした。 モデル設計は、GitHubのバージョン管理システムで採用されているソフトウェアエンジニアリングの原則によって、オープンソースプロジェクトのバグ修正のためにガイドされた。 仮想環境におけるモデルリアリズムを模倣するために、任意の論理シミュレーションソフトウェアが使用された。 その結果、ソフトウェアエンジニアリングとGitHubバージョン管理システムのバグ解決原則は、がん症例管理環境におけるケアグループ間の協調と情報共有を協調する上で、すべての利害関係者がケア治療の結果を改善し、早期診断を確実にし、患者の生存可能性を高めるために適用できることが示されている。

関連論文リスト

• Federated Data Analytics for Cancer Immunotherapy: A Privacy-Preserving Collaborative Platform for Patient Management [0.03262230127283451]
  コネクテッドヘルスは、健康管理に焦点を当てた多分野のアプローチである。 データ分析は、インフォームドな意思決定とヘルス共同創造に重要な洞察を与えることができる。 本論文は,介護連続体全体にわたる利害関係者の統合を目的とした協調的デジタルフレームワークに寄与する。
  論文  参考訳（メタデータ） (2025-10-10T08:57:41Z)
• Multimodal Foundation Models for Early Disease Detection [0.0]
  本稿では、注意に基づくトランスフォーマーフレームワークを通じて、多様な患者データを統合する基礎モデルを提案する。 このアーキテクチャは、多くのタスクを事前トレーニングするために作られており、新しい病気やデータセットへの適応を、余分な作業で簡単に行える。 我々は、早期検出タスクのテストを目的として、腫瘍学、心臓学、神経学のベンチマークデータセットを使用する実験戦略を提供する。
  論文  参考訳（メタデータ） (2025-10-02T11:12:57Z)
• Bridging AI Innovation and Healthcare Needs: Lessons Learned from Incorporating Modern NLP at The BC Cancer Registry [2.0447192404937353]
  自然言語処理(NLP)ソリューションのデプロイは、現実的な課題を提示します。 明確なビジネス目標に基づいて問題を定義することの重要性を強調します。 実用的なモデル選択の必要性、データ品質への厳格な注意、堅牢なエラー軽減戦略を強調します。
  論文  参考訳（メタデータ） (2025-07-27T15:06:43Z)
• Continually Evolved Multimodal Foundation Models for Cancer Prognosis [50.43145292874533]
  がん予後は、患者の予後と生存率を予測する重要なタスクである。 これまでの研究では、臨床ノート、医療画像、ゲノムデータなどの多様なデータモダリティを統合し、補完的な情報を活用している。 既存のアプローチには2つの大きな制限がある。まず、各病院の患者記録など、各種のトレーニングに新しく到着したデータを組み込むことに苦慮する。 第二に、ほとんどのマルチモーダル統合手法は単純化された結合やタスク固有のパイプラインに依存しており、モダリティ間の複雑な相互依存を捉えることができない。
  論文  参考訳（メタデータ） (2025-01-30T06:49:57Z)
• RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care [45.43645878061283]
  本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。 私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。 本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
  論文  参考訳（メタデータ） (2023-06-17T23:35:51Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• 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)
• Integrating Machine Learning with Discrete Event Simulation for Improving Health Referral Processing in a Care Management Setting [0.0]
  退院後のケアマネジメントは患者の紹介を調整し、健康を改善します。 本研究は、健康状態の改善と関連するコストの削減における、ポストディスチャージケアマネジメントの役割を強調する。
  論文  参考訳（メタデータ） (2022-06-25T04:42:52Z)
• 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)
• Reconfiguring health services to reduce the workload of caregivers during the COVID-19 outbreak using an open-source scalable platform for remote digital monitoring and coordination of care in hospital Command Centres [55.41644538483948]
  在宅患者を自動的に遠隔監視するデジタル技術について述べる。 患者は単純で自己申告されたアンケートに回答し、そのデータはリアルタイムで最寄りの病院のコマンドセンターに送信される。
  論文  参考訳（メタデータ） (2020-03-12T16:08:09Z)

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。