論文の概要: The Locally Deployable Virtual Doctor: LLM Based Human Interface for Automated Anamnesis and Database Conversion

• arxiv url: http://arxiv.org/abs/2511.18632v1
• Date: Sun, 23 Nov 2025 22:12:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.941095
• Title: The Locally Deployable Virtual Doctor: LLM Based Human Interface for Automated Anamnesis and Database Conversion
• Title（参考訳）: ローカルデプロイ可能な仮想ドクター: LLMによる自動アンネシスとデータベース変換のためのヒューマンインタフェース
• Authors: Jan Benedikt Ruhland, Doguhan Bahcivan, Jan-Peter Sowa, Ali Canbay, Dominik Heider,
• Abstract要約: MedChatは、AI支援臨床解剖のための、ローカルにデプロイ可能な仮想医師フレームワークである。 既存のクラウドベースシステムとは異なり、この研究は、完全にオフラインで、ローカルにデプロイ可能なLCM拡散フレームワークが臨床解剖に有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in large language models made it possible to achieve high conversational performance with substantially reduced computational demands, enabling practical on-site deployment in clinical environments. Such progress allows for local integration of AI systems that uphold strict data protection and patient privacy requirements, yet their secure implementation in medicine necessitates careful consideration of ethical, regulatory, and technical constraints. In this study, we introduce MedChat, a locally deployable virtual physician framework that integrates an LLM-based medical chatbot with a diffusion-driven avatar for automated and structured anamnesis. The chatbot was fine-tuned using a hybrid corpus of real and synthetically generated medical dialogues, while model efficiency was optimized via Low-Rank Adaptation. A secure and isolated database interface was implemented to ensure complete separation between patient data and the inference process. The avatar component was realized through a conditional diffusion model operating in latent space, trained on researcher video datasets and synchronized with mel-frequency audio features for realistic speech and facial animation. Unlike existing cloud-based systems, this work demonstrates the feasibility of a fully offline, locally deployable LLM-diffusion framework for clinical anamnesis. The autoencoder and diffusion networks exhibited smooth convergence, and MedChat achieved stable fine-tuning with strong generalization to unseen data. The proposed system thus provides a privacy-preserving, resource-efficient foundation for AI-assisted clinical anamnesis, also in low-cost settings.
• Abstract（参考訳）: 近年の大規模言語モデルの進歩により、計算要求を大幅に減らして高い会話性能を実現し、臨床現場での実践的な展開を可能にした。 このような進歩により、厳格なデータ保護と患者のプライバシ要件を尊重するAIシステムの局所的な統合が可能になるが、医療における安全な実装は、倫理的、規制的、技術的制約を慎重に考慮する必要がある。 本研究では, LLM ベースの医療チャットボットと拡散駆動型アバターを統合した, 局所展開可能な仮想医師用フレームワーク MedChat を紹介する。 チャットボットは、実と合成に生成された医療対話のハイブリッドコーパスを使用して微調整され、モデル効率は低ランク適応によって最適化された。 患者データと推論プロセスの完全分離を保証するために,セキュアで分離されたデータベースインタフェースを実装した。 アバター成分は、潜時空間で動作する条件拡散モデルにより実現され、研究者のビデオデータセットに基づいて訓練され、リアルな音声と顔のアニメーションのためのメル周波数オーディオ機能と同期された。 既存のクラウドベースシステムとは異なり、この研究は、完全にオフラインで、ローカルにデプロイ可能なLCM拡散フレームワークが臨床解剖に有効であることを示す。 オートエンコーダと拡散ネットワークはスムーズな収束を示し、MedChatは目に見えないデータへの強い一般化を伴う安定した微調整を実現した。 提案システムでは,プライバシ保護と資源効率の両立を実現し,低コスト環境下でのAI支援型臨床アナネシスを実現する。

関連論文リスト

• Lightweight Diffusion-based Framework for Online Imagined Speech Decoding in Aphasia [1.299941371793082]
  拡散に基づくニューラルデコーディングフレームワークは、失語症患者のリアルタイムな仮想音声分類に最適化されている。 二重基準早期停止戦略により、限られたキャリブレーションデータの下での迅速な収束が可能となった。 提案するフレームワークは,脳-コンピュータインタフェースを臨床コミュニケーション支援に向けて翻訳する。
  論文  参考訳（メタデータ） (2025-11-11T07:18:35Z)
• A Hybrid Machine Learning Approach for Synthetic Data Generation with Post Hoc Calibration for Clinical Tabular Datasets [0.9940728137241215]
  医療研究と開発は、データ不足と厳格なプライバシー規制のために重大な障害に直面している。 患者プライバシを保護しながら、実際のデータ統計をエミュレートする人工データセットを作成します。 このスケーラブルでプライバシ保護のアプローチは、最先端の手法と一致し、医療における共同配布の忠実性のための新しいベンチマークを設定します。
  論文  参考訳（メタデータ） (2025-10-12T09:23:43Z)
• A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms [0.03262230127283451]
  医療AIに特化したモデル駆動工学(MDE)フレームワークを導入する。 フレームワークは、フォーマルなメタモデル、ドメイン固有言語、そして、ハイレベルな仕様から実行中のソフトウェアに移行するための自動変換に依存しています。 マルチセンター癌免疫療法研究において,本手法について検討した。
  論文  参考訳（メタデータ） (2025-10-10T12:00:12Z)
• Patient-Zero: A Unified Framework for Real-Record-Free Patient Agent Generation [11.75912414451272]
  実際の医療記録を必要としない現実的な患者生成フレームワークであるPatent-Zeroを提案する。 patient-Zeroはまず、医療に整合したマルチステップ生成アーキテクチャを導入し、実際の医療記録を使わずに階層的な医療知識注入を通じて包括的な患者記録を構築する。 本フレームワークは,適応的対話戦略とリアルタイム臨床的妥当性検証によって支援され,厳密な医療コヒーレンスを維持しつつ,文脈的に多様な患者記録の生成を可能にする。
  論文  参考訳（メタデータ） (2025-09-14T03:56:00Z)
• NEARL-CLIP: Interacted Query Adaptation with Orthogonal Regularization for Medical Vision-Language Understanding [51.63264715941068]
  textbfNEARL-CLIP (iunderlineNteracted quunderlineEry underlineAdaptation with ounderlineRthogonaunderlineL regularization)は、VLMベースの新しい相互モダリティ相互作用フレームワークである。
  論文  参考訳（メタデータ） (2025-08-06T05:44:01Z)
• MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
  MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。 フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。 生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
  論文  参考訳（メタデータ） (2025-08-04T03:07:54Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• 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)

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。