論文の概要: Clinician-Directed Large Language Model Software Generation for Therapeutic Interventions in Physical Rehabilitation

• arxiv url: http://arxiv.org/abs/2511.18274v1
• Date: Sun, 23 Nov 2025 03:51:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.738846
• Title: Clinician-Directed Large Language Model Software Generation for Therapeutic Interventions in Physical Rehabilitation
• Title（参考訳）: 身体リハビリテーションにおける治療介入のための臨床用大規模言語モデルソフトウェア生成
• Authors: Edward Kim, Yuri Cho, Jose Eduardo E. Lima, Julie Muccini, Jenelle Jindal, Alison Scheid, Erik Nelson, Seong Hyun Park, Yuchen Zeng, Alton Sturgis, Caesar Li, Jackie Dai, Sun Min Kim, Yash Prakash, Liwen Sun, Isabella Hu, Hongxuan Wu, Daniel He, Wiktor Rajca, Cathra Halabi, Maarten Lansberg, Bjoern Hartmann, Sanjit A. Seshia,
• Abstract要約: デジタルヘルスの介入は、スマートフォンなどのセンサーを備えたデバイスを介して在宅運動プログラムを届けるために、身体的および職業的治療にますます利用されている。 ケアの時点では、臨床医はモジュールを選択して、繰り返しのような狭いパラメータを調整できるだけである。 我々は,大規模言語モデル(LLM)を用いて臨床医の運動処方薬を介入ソフトウェアに翻訳するデジタル介入パラダイムを評価した。
• 参考スコア（独自算出の注目度）: 11.902863004159848
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital health interventions are increasingly used in physical and occupational therapy to deliver home exercise programs via sensor equipped devices such as smartphones, enabling remote monitoring of adherence and performance. However, digital interventions are typically programmed as software before clinical encounters as libraries of parametrized exercise modules targeting broad patient populations. At the point of care, clinicians can only select modules and adjust a narrow set of parameters like repetitions, so patient specific needs that emerge during encounters, such as distinct movement limitations, and home environments, are rarely reflected in the software. We evaluated a digital intervention paradigm that uses large language models (LLMs) to translate clinicians' exercise prescriptions into intervention software. In a prospective single arm feasibility study with 20 licensed physical and occupational therapists and a standardized patient, clinicians created 40 individualized upper extremity programs (398 instructions) that were automatically translated into executable software. Our results show a 45% increase in the proportion of personalized prescriptions that can be implemented as software compared with a template based benchmark, with unanimous consensus among therapists on ease of use. The LLM generated software correctly delivered 99.78% (397/398) of instructions as prescribed and monitored performance with 88.4% (352/398) accuracy, with 90% (18/20) of therapists judged it safe to interact with patients, and 75% (15/20) expressed willingness to adopt it. To our knowledge, this is the first prospective evaluation of clinician directed intervention software generation with LLMs in healthcare, demonstrating feasibility and motivating larger trials to assess clinical effectiveness and safety in real patient populations.
• Abstract（参考訳）: デジタルヘルス介入は、スマートフォンなどのセンサーを装備したデバイスを介してホームエクササイズプログラムを提供するために、身体的および職業的治療にますます使われており、従順性やパフォーマンスの遠隔監視を可能にしている。 しかし、デジタル介入は通常、幅広い患者を対象にしたパラメタライズド・エクササイズ・モジュールのライブラリとして、臨床に遭遇する前にソフトウェアとしてプログラムされる。 ケアの時点では、臨床医はモジュールを選択して反復のような狭いパラメータを調整できるだけなので、異なる移動制限やホーム環境といった、遭遇時に現れる患者特有のニーズがソフトウェアに反映されることはめったにない。 我々は,大規模言語モデル(LLM)を用いて臨床医の運動処方薬を介入ソフトウェアに翻訳するデジタル介入パラダイムを評価した。 20名の理学・職業療法士と標準化された患者を対象にした1本腕実現可能性調査において、臨床医は40名の個人化された上肢プログラム(398命令)を自動で実行可能ソフトウェアに翻訳した。 その結果、テンプレートベースのベンチマークと比較すると、パーソナライズされた処方薬の割合は、ソフトウェアとして実装できる割合が45%増加した。 LLMは99.78%(397/398)の指示を、88.4%(352/398)の精度で正しく提供し、セラピストの90%(18/20)は患者と安全にやりとりできると判断し、75%(15/20)はそれを採用する意思を示した。 我々の知る限り、これは医療におけるLLMによる臨床医師主導の介入ソフトウェア生成に対する最初の先進的な評価であり、実際の患者集団における臨床効果と安全性を評価するために、実現可能性を示し、より大きな臨床試験を動機付けている。

関連論文リスト

• A Voice-Enabled Virtual Patient System for Interactive Training in Standardized Clinical Assessment [0.0]
  大規模言語モデル(LLM)を利用した音声対応仮想患者シミュレーションシステムを提案する。 本研究は, 本システムの発展を概説し, 既定の臨床像に固執する仮想患者を創出する能力を検証した。 以上の結果から, LLMを用いた仮想患者シミュレーションは, 臨床医の教育に有効かつスケーラブルなツールであることが示唆された。
  論文  参考訳（メタデータ） (2025-11-01T21:18:08Z)
• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• Longitudinal and Multimodal Recording System to Capture Real-World Patient-Clinician Conversations for AI and Encounter Research: Protocol [0.0]
  本研究は,マヨクリニックの外来内科で実施されている。 参加診療所への直接訪問患者を招待し、360度ビデオカメラで記録する。 訪問後、患者は共感、満足度、ペース、治療負担に関する調査を完了する。 2025年8月までに、36人の臨床医のうち35人(97%)と281人の患者のうち212人(75%)が同意した。
  論文  参考訳（メタデータ） (2025-09-19T19:42:27Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• AgentMD: Empowering Language Agents for Risk Prediction with Large-Scale Clinical Tool Learning [11.8292941452582]
  我々は,臨床電卓を様々な臨床状況でキュレートし,応用できる新しい言語エージェントであるAgentMDを紹介した。 AgentMDは、実行可能な機能と構造化ドキュメントを備えた2,164の多様な臨床電卓のコレクションを自動でキュレートした。 手作業による評価では、3つの品質指標に対して80%以上の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-20T18:37:19Z)
• Redefining Digital Health Interfaces with Large Language Models [69.02059202720073]
  大規模言語モデル(LLM)は、複雑な情報を処理できる汎用モデルとして登場した。 LLMが臨床医とデジタル技術との新たなインターフェースを提供する方法を示す。 自動機械学習を用いた新しい予後ツールを開発した。
  論文  参考訳（メタデータ） (2023-10-05T14:18:40Z)
• Towards Automated Psychotherapy via Language Modeling [0.0]
  このモデルは、言語理解のためのコーネル映画対話コーパスと、オープンソース、匿名化、パブリックライセンスの精神療法データセットを組み合わせてトレーニングされた。 このモデルは、人間による検証データに対する標準化された定性ベンチマークで統計的に有意なパフォーマンスを達成した。 モデルは完全に精神療法士の仕事を置き換えることはできませんが、テストセットの大部分で人間の出現する発話を合成する能力は、精神療法のポイント・オブ・ケアでのスティグマのコミュニケーションと緩和への有望なステップとして機能します。
  論文  参考訳（メタデータ） (2021-04-05T01:53:39Z)

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。