論文の概要: Evolutionary perspective of large language models on shaping research insights into healthcare disparities

• arxiv url: http://arxiv.org/abs/2512.08122v1
• Date: Mon, 08 Dec 2025 23:58:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.759752
• Title: Evolutionary perspective of large language models on shaping research insights into healthcare disparities
• Title（参考訳）: 医療格差研究の洞察形成における大規模言語モデルの進化的視点
• Authors: David An,
• Abstract要約: 本研究では、医療格差研究において、大規模言語モデルがどのように進化するかを検討する。 我々は、ChatGPT、Copilot、Geminiの3つの有名なLLMを研究した。 この研究は、複数のLSMの進化を利用して、医療格差を研究するためのAIツールを照らすフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Introduction. Advances in large language models (LLMs) offer a chance to act as scientific assistants, helping people grasp complex research areas. This study examines how LLMs evolve in healthcare disparities research, with attention to public access to relevant information. Methods. We studied three well-known LLMs: ChatGPT, Copilot, and Gemini. Each week, we asked them a consistent prompt about research themes in healthcare disparities and tracked how their answers changed over a one-month period. Analysis. The themes produced by the LLMs were categorized and cross-checked against H-index values from the Web of Science to verify relevance. This dual approach shows how the outputs of LLMs develop over time and how such progress could help researchers navigate trends. Results. The outputs aligned with actual scientific impact and trends in the field, indicating that LLMs can help people understand the healthcare disparities landscape. Time-series comparisons showed differences among the models in how broadly and deeply they identified and classified themes. Conclusion. The study offers a framework that uses the evolution of multiple LLMs to illuminate AI tools for studying healthcare disparities, informing future research and public engagement strategies.
• Abstract（参考訳）: はじめに。 大規模言語モデル(LLM)の進歩は、人々が複雑な研究領域を把握できるように、科学的アシスタントとして機能する機会を提供する。 本研究は、医療格差研究におけるLSMの進化について、関連する情報への公衆アクセスに注目して検討する。 メソッド。 我々は、ChatGPT、Copilot、Geminiの3つの有名なLLMを研究した。 毎週、私たちは医療格差の研究テーマについて一貫したプロンプトを尋ね、彼らの回答が1ヶ月でどのように変わったかを追跡しました。 分析。 LLMのテーマは、Web of ScienceのH-index値に対して、関連性を検証するために分類され、クロスチェックされた。 この二重アプローチは、LLMのアウトプットが時間とともにどのように発展し、そのような進歩が研究者がトレンドをナビゲートするのにどのように役立つかを示す。 結果。 アウトプットは、現場における実際の科学的影響や傾向と一致しており、LCMが医療格差の状況を理解するのに役立つことを示唆している。 時系列比較では,各主題がどの程度広く深く特定され,分類されたかが,モデル間で異なっていた。 結論。 この研究は、複数のLSMの進化を利用して、医療格差を研究し、将来の研究と公的なエンゲージメント戦略を伝えるためのAIツールを照明するフレームワークを提供する。

関連論文リスト

• From Text to Multimodality: Exploring the Evolution and Impact of Large Language Models in Medical Practice [14.739357670600103]
  大規模言語モデル(LLM)は、テキストベースのシステムからマルチモーダルプラットフォームへと急速に進化してきた。 医療におけるMLLMの現況を考察し,臨床診断支援,医用画像,患者エンゲージメント,研究の分野にまたがる応用を分析した。
  論文  参考訳（メタデータ） (2024-09-14T02:35:29Z)
• Self-assessment, Exhibition, and Recognition: a Review of Personality in Large Language Models [29.086329448754412]
  本稿では,現在の研究を,自己評価,展示,認識という3つの研究課題に分類して総合的なレビューを行う。 本稿は,大規模言語モデルにおける人格に関する最新の文献を包括的に調査した初めての論文である。
  論文  参考訳（メタデータ） (2024-06-25T15:08:44Z)
• A Survey of Large Language Models in Medicine: Progress, Application, and Challenge [85.09998659355038]
  大規模言語モデル (LLM) は、人間の言語を理解し、生成する能力のために大きな注目を集めている。 本総説は,医学におけるLSMの開発と展開について概説することを目的としている。
  論文  参考訳（メタデータ） (2023-11-09T02:55:58Z)
• A Survey of Large Language Models for Healthcare: from Data, Technology, and Applications to Accountability and Ethics [32.10937977924507]
  医療分野における大規模言語モデル(LLM)の利用は、興奮と懸念の両方を引き起こしている。 本調査では、現在開発中のLLMs for Healthcareの能力について概説し、開発プロセスについて解説する。
  論文  参考訳（メタデータ） (2023-10-09T13:15:23Z)
• A Comprehensive Overview of Large Language Models [68.22178313875618]
  大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。 本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
  論文  参考訳（メタデータ） (2023-07-12T20:01:52Z)

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。