論文の概要: PatientHub: A Unified Framework for Patient Simulation

• arxiv url: http://arxiv.org/abs/2602.11684v1
• Date: Thu, 12 Feb 2026 08:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.709943
• Title: PatientHub: A Unified Framework for Patient Simulation
• Title（参考訳）: patientHub: 患者シミュレーションのための統一フレームワーク
• Authors: Sahand Sabour, TszYam NG, Minlie Huang,
• Abstract要約: patientHubは、シミュレートされた患者の定義、構成、デプロイを標準化する統一的でモジュール化されたフレームワークである。 既存の作業を1つの再現可能なパイプラインに統合することで、PatientHubは、新しいシミュレーション方法の開発における障壁を低くする。 我々のフレームワークは、患者中心の対話における将来のデータセット、メソッド、ベンチマークの実践的な基盤を提供する。
• 参考スコア（独自算出の注目度）: 45.55798610765163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Large Language Models increasingly power role-playing applications, simulating patients has become a valuable tool for training counselors and scaling therapeutic assessment. However, prior work is fragmented: existing approaches rely on incompatible, non-standardized data formats, prompts, and evaluation metrics, hindering reproducibility and fair comparison. In this paper, we introduce PatientHub, a unified and modular framework that standardizes the definition, composition, and deployment of simulated patients. To demonstrate PatientHub's utility, we implement several representative patient simulation methods as case studies, showcasing how our framework supports standardized cross-method evaluation and the seamless integration of custom evaluation metrics. We further demonstrate PatientHub's extensibility by prototyping two new simulator variants, highlighting how PatientHub accelerates method development by eliminating infrastructure overhead. By consolidating existing work into a single reproducible pipeline, PatientHub lowers the barrier to developing new simulation methods and facilitates cross-method and cross-model benchmarking. Our framework provides a practical foundation for future datasets, methods, and benchmarks in patient-centered dialogue, and the code is publicly available via https://github.com/Sahandfer/PatientHub.
• Abstract（参考訳）: 大きな言語モデルがロールプレイングの応用に力を入れるにつれ、患者をシミュレートすることはカウンセラーを訓練し、治療をスケールするための貴重なツールとなっている。 既存のアプローチは互換性のない、標準化されていないデータフォーマット、プロンプト、評価メトリクスに依存しており、再現性と公正な比較を妨げる。 本稿では,シミュレートされた患者の定義,構成,展開を標準化する,統一的でモジュール化されたフレームワークであるPatentHubを紹介する。 patientHubの実用性を実証するために、ケーススタディとしていくつかの代表的患者シミュレーション手法を実装し、我々のフレームワークが標準化されたクロスメソッド評価をどのようにサポートするかを示し、カスタム評価メトリクスのシームレスな統合を示す。 さらに、2つの新しいシミュレーターをプロトタイピングすることでPatentHubの拡張性を実証し、インフラのオーバーヘッドをなくすことでPatentHubがメソッド開発をいかに加速するかを強調した。 既存の作業を1つの再現可能なパイプラインに統合することで、PatientHubは新しいシミュレーション手法の開発における障壁を低くし、クロスメソッドとクロスモデルベンチマークを容易にする。 我々のフレームワークは患者中心の対話における将来のデータセット、メソッド、ベンチマークの実践的な基盤を提供しており、コードはhttps://github.com/Sahandfer/PatientHub.comから公開されている。

関連論文リスト

• The Patient is not a Moving Document: A World Model Training Paradigm for Longitudinal EHR [3.9541492005870604]
  SMB構造(SMB-Structure)は、次世代予測(SFT)と共同埋め込み予測アーキテクチャ(JEPA)を基盤とした構造化EHRの世界モデルである。 メモリアル・スローン・ケタリング(23,319人,323,000人以上)とINSPECT(19,402人)の2つの大規模コホートで検証を行った。
  論文  参考訳（メタデータ） (2026-01-29T18:49:37Z)
• Multi-Stage Patient Role-Playing Framework for Realistic Clinical Interactions [2.1897719729390173]
  中国初の患者シミュレーションデータセット(Ch-PatientSim)を提案する。 患者は5次元のペルソナ構造に基づいてシミュレートされる。 ペルソナクラスの不均衡の問題に対処するため、データセットの一部は、数ショット生成を使用して拡張され、続いて手動検証が行われる。
  論文  参考訳（メタデータ） (2026-01-16T02:34:22Z)
• MHub.ai: A Simple, Standardized, and Reproducible Platform for AI Models in Medical Imaging [3.918612240717785]
  MHub.aiは、AIモデルへのアクセスを標準化する、オープンソースのコンテナベースのプラットフォームである。 肺分画モデルの評価を通じて, 臨床症例におけるプラットフォームの有用性を実証する。
  論文  参考訳（メタデータ） (2026-01-15T07:53:09Z)
• A Statistical Framework for Ranking LLM-Based Chatbots [57.59268154690763]
  本稿では、ペア比較分析における特定の課題に対処するために、重要な進歩を取り入れた統計フレームワークを提案する。 まず,人力比較のグルーピング処理能力を高める要因付きタイモデルを提案する。 第2に、フレームワークを拡張して、競合間の共分散層をモデル化することで、パフォーマンス関係に関するより深い洞察を可能にします。 第三に、パラメータ非特異性に起因する最適化の課題を、新しい制約を導入することで解決する。
  論文  参考訳（メタデータ） (2024-12-24T12:54:19Z)
• Rethinking model prototyping through the MedMNIST+ dataset collection [0.11999555634662634]
  この作業では、MedMNIST+データセットコレクションの包括的なベンチマークを導入する。 我々は、一般的なCNN(Convolutional Neural Networks)とViT(Vision Transformer)アーキテクチャを、異なる医療データセットにわたって再評価する。 この結果から,計算効率のよいトレーニングスキームと最新の基礎モデルが,エンドツーエンドのトレーニングに有効な代替手段を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-04-24T10:19:25Z)
• Patient Clustering via Integrated Profiling of Clinical and Digital Data [2.370296071691569]
  医療における臨床データを対象とした新規なプロファイルベースの患者クラスタリングモデルを提案する。 本モデルは,患者の臨床データと,ブラウジングや検索を含むデジタルインタラクションデータを利用して,患者のプロファイルを構築する。
  論文  参考訳（メタデータ） (2023-08-22T19:25:04Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)

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。