論文の概要: Text Mining Analysis of Symptom Patterns in Medical Chatbot Conversations

• arxiv url: http://arxiv.org/abs/2512.00768v1
• Date: Sun, 30 Nov 2025 07:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.409723
• Title: Text Mining Analysis of Symptom Patterns in Medical Chatbot Conversations
• Title（参考訳）: 医療チャットボット会話における症状パターンのテキストマイニング分析
• Authors: Hamed Razavi,
• Abstract要約: デジタルヘルスシステムは、患者の症状をどう解釈し、どのように表現するかをよりよく理解する必要がある。 本研究は、医学における症状記述の発生を分析するために、いくつかの異なる自然言語処理手法を用いている。 発見は、臨床的に関連のあるトピックのコヒーレントな構造、クラスタリング凝集度の適度なレベル、発熱性頭痛や発疹などの症状の関連性に関するいくつかの高い信頼率を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The fast growth of digital health systems has led to a need to better comprehend how they interpret and represent patient-reported symptoms. Chatbots have been used in healthcare to provide clinical support and enhance the user experience, making it possible to provide meaningful clinical patterns from text-based data through chatbots. The proposed research utilises several different natural language processing methods to study the occurrences of symptom descriptions in medicine as well as analyse the patterns that emerge through these conversations within medical bots. Through the use of the Medical Conversations to Disease Dataset which contains 960 multi-turn dialogues divided into 24 Clinical Conditions, a standardised representation of conversations between patient and bot is created for further analysis by computational means. The multi-method approach uses a variety of tools, including Latent Dirichlet Allocation (LDA) to identify latent symptom themes, K-Means to group symptom descriptions by similarity, Transformer-based Named Entity Recognition (NER) to extract medical concepts, and the Apriori algorithm to discover frequent symptom pairs. Findings from the analysis indicate a coherent structure of clinically relevant topics, moderate levels of clustering cohesiveness and several high confidence rates on the relationships between symptoms like fever headache and rash itchiness. The results support the notion that conversational medical data can be a valuable diagnostic signal for early symptom interpretation, assist in strengthening decision support and improve how users interact with tele-health technology. By demonstrating a method for converting unstructured free-flowing dialogue into actionable knowledge regarding symptoms this work provides an extensible framework to further enhance future performance, dependability and clinical utility of selecting medical chatbots.
• Abstract（参考訳）: デジタルヘルスシステムの急速な成長は、患者に報告された症状をどのように解釈し、どのように表現するかをよりよく理解する必要がある。 チャットボットは、医療において臨床サポートを提供し、ユーザーエクスペリエンスを向上させるために使われており、チャットボットを通じてテキストベースのデータから有意義な臨床パターンを提供することができる。 提案した研究は、医学における症状記述の発生と、これらの会話を通して生じるパターンを分析するために、いくつかの異なる自然言語処理手法を利用している。 患者とボットの会話の標準化された表現を24つの臨床条件に分割した960個のマルチターン対話を含む疾病データセットに対する医療会話を用いて、計算手段によるさらなる分析を行う。 マルチメソッドアプローチでは、遅延ディリクレ割当(LDA)を使用して、潜伏症状のテーマを特定する、類似性によるグループ症状記述を行うK-Means、医療概念を抽出するTransformer-based Named Entity Recognition(NER)、頻繁な症状ペアを発見するAprioriアルゴリズムなど、さまざまなツールを使用している。 この分析から得られた知見は、臨床的に関連のあるトピックのコヒーレントな構造、クラスタリング凝集度の適度なレベル、発熱性頭痛や発疹痛などの症状の関連性に関するいくつかの高い信頼率を示している。 その結果,会話医療データは早期症状の解釈に有用な診断信号であり,意思決定支援の強化と遠隔医療技術とのインタラクションの改善を支援することができた。 本研究は、非構造化自由フロー対話を症状に関する実行可能な知識に変換する方法を示すことにより、医療チャットボットの選択の今後のパフォーマンス、信頼性、臨床的有用性を高めるための拡張可能な枠組みを提供する。

関連論文リスト

• From Medical Records to Diagnostic Dialogues: A Clinical-Grounded Approach and Dataset for Psychiatric Comorbidity [24.19771858153057]
  複数の共起性障害の複雑さのため、精神疾患は臨床的に有意であるが困難である。 人工患者電子カルテ構築とマルチエージェント診断ダイアログ生成を組み合わせた新しいアプローチを開発した。 PsyCoTalkは、精神科医が検証した3000の多ターン診断対話を含む、コオービディティをサポートする最初の大規模対話データセットである。
  論文  参考訳（メタデータ） (2025-10-29T07:18:43Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• Advancing Conversational Diagnostic AI with Multimodal Reasoning [44.1996223689966]
  アーティキュレート・メディカル・インテリジェンス・エクスプローラー(AMIE) システムは、対話フローを中間モデル出力によって動的に制御する状態認識対話フレームワークを実装している。 患者アクターとのチャットベースの相談の無作為で盲目なOSCEスタイルの研究において, AMIEをプライマリケア医師(PCP)と比較した。
  論文  参考訳（メタデータ） (2025-05-06T20:52:01Z)
• SilVar-Med: A Speech-Driven Visual Language Model for Explainable Abnormality Detection in Medical Imaging [1.220481237642298]
  本稿では,マルチモーダル医療画像アシスタントSilVar-Medを紹介する。 提案する推論データセットを用いて,医学的異常予測の背景にある推論の解釈に焦点をあてる。 この研究は、より透明でインタラクティブで、臨床的に実行可能な診断支援システムを育むことで、医療AIの分野を前進させると信じています。
  論文  参考訳（メタデータ） (2025-04-14T18:51:37Z)
• NeuroXVocal: Detection and Explanation of Alzheimer's Disease through Non-invasive Analysis of Picture-prompted Speech [4.815952991777717]
  NeuroXVocalは、音声分析によってアルツハイマー病(AD)の可能性を分類し、説明する新しい二重成分システムである。 分類コンポーネント(Neuro)は、音声パターンと音声特徴をキャプチャする音響特徴、音声書き起こしから抽出したテキスト特徴、言語パターンを表す事前計算された埋め込みの3つの異なるデータストリームを処理する。 説明可能性コンポーネント(XVocal)は、大規模言語モデルとAD研究文献のドメイン固有の知識ベースを組み合わせた、検索・拡張生成(RAG)アプローチを実装している。
  論文  参考訳（メタデータ） (2025-02-14T12:09:49Z)
• 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)
• Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
  MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。 MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。 マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
  論文  参考訳（メタデータ） (2024-04-10T07:41:35Z)
• Can Generative AI Support Patients' & Caregivers' Informational Needs? Towards Task-Centric Evaluation Of AI Systems [0.7124736158080937]
  人間の理解と意思決定を中心とする評価パラダイムを開発する。 具体的なタスクにおける人を支援するための生成AIシステムの有用性について検討する。 我々は,放射線技師の反応に対して,最先端の2つの生成AIシステムを評価する。
  論文  参考訳（メタデータ） (2024-01-31T23:24:37Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)

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。