論文の概要: From Everyday to Existential - The ethics of shifting the boundaries of health and data with multimodal digital biomarkers
- arxiv url: http://arxiv.org/abs/2511.09238v1
- Date: Thu, 13 Nov 2025 01:42:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-13 22:34:54.481136
- Title: From Everyday to Existential - The ethics of shifting the boundaries of health and data with multimodal digital biomarkers
- Title（参考訳）: 日々から現実へ - 多モードデジタルバイオマーカーによる健康とデータの境界変更の倫理
- Authors: Joschka Haltaufderheide, Florian Funer, Esther Braun, Hans-Jörg Ehni, Urban Wiesing, Robert Ranisch,
- Abstract要約: マルチモーダルデジタルバイオマーカー(MDB)は、様々な生理的、行動的、文脈的なデータを統合して、健康の連続的な表現を提供する。
本稿では,MDBが多様性,複雑性,抽象化の次元に沿って,デジタルバイオマーカーの概念を拡張していることを論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimodal digital biomarkers (MDBs) integrate diverse physiological, behavioral, and contextual data to provide continuous representations of health. This paper argues that MDBs expand the concept of digital biomarkers along the dimensions of variability, complexity and abstraction, producing an ontological shift that datafies health and an epistemic shift that redefines health relevance. These transformations entail ethical implications for knowledge, responsibility, and governance in data-driven, preventive medicine.
- Abstract（参考訳）: マルチモーダルデジタルバイオマーカー(MDB)は、様々な生理的、行動的、文脈的なデータを統合して、健康の連続的な表現を提供する。
本稿では,デジタルバイオマーカーの概念を多様性,複雑性,抽象化の次元に沿って拡張し,健康をデータ化するためのオントロジ的な変化と,健康関連を再定義する疫学的な変化を生み出すことを論じる。
これらの変革は、データ駆動予防医療における知識、責任、ガバナンスに対する倫理的な意味を持つ。
関連論文リスト
- Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。
本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
論文 参考訳（メタデータ） (2025-04-20T01:54:18Z) - Large Language Models for Bioinformatics [58.892165394487414]
本調査はバイオインフォマティクス特化言語モデル(BioLM)の進化,分類,特徴の識別に焦点をあてる。
疾患診断, 薬物発見, ワクチン開発などの重要な分野において, バイオフィルムの幅広い応用について検討する。
データプライバシやセキュリティ上の問題,解釈可能性の問題,トレーニングデータやモデル出力のバイアス,ドメイン適応複雑性など,BioLMに固有の重要な課題や制限を特定します。
論文 参考訳（メタデータ） (2025-01-10T01:43:05Z) - How quantum computing can enhance biomarker discovery [0.14043931310479377]
量子アルゴリズムは、特に機械学習において、バイオマーカー発見における重要な応用にマップされる。
アルゴリズムとアプリケーションに関連する機会と課題について論じる。
オープンな研究課題に関する見通しが提示されている。
論文 参考訳（メタデータ） (2024-11-15T16:50:05Z) - Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。
主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。
実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - Unified Representation of Genomic and Biomedical Concepts through Multi-Task, Multi-Source Contrastive Learning [45.6771125432388]
言語モデル(genEREL)を用いたジェノミクス表現について紹介する。
GENERELは遺伝学と生物医学の知識基盤を橋渡しするために設計されたフレームワークである。
本実験は,SNPと臨床概念のニュアンス関係を効果的に把握するgenERELの能力を実証するものである。
論文 参考訳（メタデータ） (2024-10-14T04:19:52Z) - QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge [93.61262892578067]
医用画像分割作業の不確実性、特にラター間変動性は重要な課題である。
この可変性は、自動セグメンテーションアルゴリズムの開発と評価に直接影響を及ぼす。
バイオメディカル画像量化チャレンジ(QUBIQ)における不確実性の定量化のベンチマーク結果を報告する。
論文 参考訳（メタデータ） (2024-03-19T17:57:24Z) - Transformers and the representation of biomedical background knowledge [0.0]
BioBERTとBioMegatronは、一般公開されたバイオメディカルコーパスに基づいて、バイオメディカルドメイン向けに適合したトランスフォーマーモデルである。
これらのモデルにおける生物学的知識の符号化と表現について検討する。
これらのモデルが生物の知識をコード化していることを示すが、そのいくつかは特定のタスクの微調整で失われている。
論文 参考訳（メタデータ） (2022-02-04T23:24:18Z)
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。