論文の概要: A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic
- arxiv url: http://arxiv.org/abs/2603.08448v3
- Date: Sun, 15 Mar 2026 22:38:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 13:51:29.007843
- Title: A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic
- Title（参考訳）: 当院における会話型診断AIの臨床的実現可能性の検討
- Abstract要約: 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)
100人の成人患者が任命の5日前にAMIEテキストチャットのやりとりを完了した。
ヒューマン・セーフティ・スーパーバイザーは、患者とAMIEのインタラクションをリアルタイムで監視した。
- 参考スコア（独自算出の注目度）: 21.374164324051012
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model (LLM)-based AI systems have shown promise for patient-facing diagnostic and management conversations in simulated settings. Translating these systems into clinical practice requires assessment in real-world workflows with rigorous safety oversight. We report a prospective, single-arm feasibility study of an LLM-based conversational AI, the Articulate Medical Intelligence Explorer (AMIE), conducting clinical history taking and presentation of potential diagnoses for patients to discuss with their provider at urgent care appointments at a leading academic medical center. 100 adult patients completed an AMIE text-chat interaction up to 5 days before their appointment. We sought to assess the conversational safety and quality, patient and clinician experience, and clinical reasoning capabilities compared to primary care providers (PCPs). Human safety supervisors monitored all patient-AMIE interactions in real time and did not need to intervene to stop any consultations based on pre-defined criteria. Patients reported high satisfaction and their attitudes towards AI improved after interacting with AMIE (p < 0.001). PCPs found AMIE's output useful with a positive impact on preparedness. AMIE's differential diagnosis (DDx) included the final diagnosis, per chart review 8 weeks post-encounter, in 90% of cases, with 75% top-3 accuracy. Blinded assessment of AMIE and PCP DDx and management (Mx) plans suggested similar overall DDx and Mx plan quality, without significant differences for DDx (p = 0.6) and appropriateness and safety of Mx (p = 0.1 and 1.0, respectively). PCPs outperformed AMIE in the practicality (p = 0.003) and cost effectiveness (p = 0.004) of Mx. While further research is needed, this study demonstrates the initial feasibility, safety, and user acceptance of conversational AI in a real-world setting, representing crucial steps towards clinical translation.
- Abstract（参考訳）: 大規模言語モデル(LLM)ベースのAIシステムは、シミュレートされた設定で患者が直面する診断と管理の会話を約束している。
これらのシステムを臨床実践に翻訳するには、厳格な安全監視を伴う現実世界のワークフローでの評価が必要である。
LLMベースの会話型AIであるArticulate Medical Intelligence Explorer (AMIE) の1本腕実現可能性の検討を報告する。
100人の成人患者が任命の5日前にAMIEテキストチャットのやりとりを完了した。
プライマリ・ケア・プロバイダ (PCP) と比較して, 会話の安全性, 品質, 患者, 臨床経験, 臨床推論能力について検討した。
ヒューマン・セーフティ・スーパーバイザーは、患者とAMIEのやりとりをリアルタイムで監視し、事前に定義された基準に基づいていかなる相談も止める必要がない。
AMIE(p < 0.001。
PCPはAMIEの出力が準備性に肯定的な影響を与えることを発見した。
AMIEの鑑別診断 (DDx) は最終診断, 8週後の検査で90%, 75%, 75%であった。
AMIE DDx と PCP DDx と Management (Mx) のブラインド評価では、DDx (p = 0.6) と Mx (p = 0.1 と 1.0) の妥当性と安全性に有意な差はなく、DDx と Mx の計画品質が類似していることが示唆された。
PCP は Mx の実用性 (p = 0.003) とコスト効率 (p = 0.004) において AMIE より優れていた。
さらなる研究が必要であるが、本研究では、現実の環境での会話型AIの初期実現可能性、安全性、利用者の受け入れを実証し、臨床翻訳への重要なステップを示す。
関連論文リスト
- Towards Expert-level Medical AI for Real-time Video Consultations [15.52174279061238]
本稿では,AMIE(Articulate Medical Intelligence Explorer)を用いたリアルタイム臨床ビデオコンサルテーションにおけるエキスパートレベルのAIの最初の実演を行う。
AMIE(ビデオ)は、低遅延対話、臨床推論、リアルタイムオーディオ視覚知覚を統合したジェミニベースのマルチエージェントシステムである。
患者は, コミュニケーションの有効性, 利便性, 理解を深めるために, AMIE(ビデオ)のインタフェースをテキストチャットよりも好んだ。
論文 参考訳（メタデータ） (2026-08-10T17:19:31Z) - ResidencyRL: Reinforcement Learning in Simulated Clinical Environments [53.76751756107077]
臨床人工知能(AI)エージェントを模擬多ターン臨床で訓練するための強化学習(RL)手法であるResidencyRLを提案する。
ホールドアウト評価では、ResidencyRLエージェントは、対向条件下で診断精度を7.0%向上させる。
盲目の専門医はこれらの利得を検証し、訓練されたエージェントをサイドバイサイド比較の87.6%で好んだ。
論文 参考訳（メタデータ） (2026-08-07T17:04:41Z) - AIPatient Arena: EHR-grounded evaluation of large language models in end-to-end clinical consultation workflows [7.354281305130301]
大規模言語モデル (LLM) は, 臨床相談業務での使用を想定している。
本稿では,ALMの臨床的有用性を評価するための評価フレームワークであるAIPatient Arenaを提案する。
論文 参考訳（メタデータ） (2026-06-16T03:35:17Z) - Towards Conversational Medical AI with Eyes, Ears and a Voice [19.359997612335018]
我々は,対話型AIシステムであるAIコクリニシアンを紹介する。
その二重エージェントアーキテクチャは、自然な対話に必要な低レイテンシと深い臨床推論のバランスをとる。
我々の研究は、テキストのみのアプローチが、医療相談の真の課題を捉えるのに失敗していることを示している。
論文 参考訳（メタデータ） (2026-05-10T02:43:49Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。
本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。
DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
論文 参考訳（メタデータ） (2025-10-28T17:19:47Z) - DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。
本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
論文 参考訳（メタデータ） (2025-10-24T08:01:21Z) - Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。
本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。
本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
論文 参考訳（メタデータ） (2025-10-11T16:24:35Z) - Towards physician-centered oversight of conversational diagnostic AI [40.583050959984995]
患者安全の現実的な保証は、個々の診断と治療計画を提供することが、認可された専門家による規制活動であることを意味する。
そこで我々は,Articulate Medical Intelligence Explorer (AMIE) AIシステムの効果的な非同期監視のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-21T15:54:36Z) - Toward the Autonomous AI Doctor: Quantitative Benchmarking of an Autonomous Agentic AI Versus Board-Certified Clinicians in a Real World Setting [0.0]
2030年までには、世界中で1100万人の医療従事者が不足していると予測されている。
エンド・ツー・エンドの大規模言語モデル(LLM)ベースのAIシステムは、実際の臨床実践において厳格に評価されていない。
論文 参考訳（メタデータ） (2025-06-27T19:04:44Z) - Towards Conversational AI for Disease Management [29.189384095061722]
Articulate Medical Intelligence Explorer (AMIE) は、臨床管理と対話のために最適化されたエージェントシステムである。
AMIEは、専門医が評価する管理的推論において、PCPに非優位である。
AMIEの評価における強いパフォーマンスは、疾患管理のツールとしての対話型AIへの重要な一歩である。
論文 参考訳（メタデータ） (2025-03-08T05:48:58Z) - AgentClinic: a multimodal agent benchmark to evaluate AI in simulated clinical environments [2.567146936147657]
シミュレーションされた臨床環境における大規模言語モデル(LLM)の評価のためのマルチモーダルエージェントベンチマークであるAgentClinicを紹介する。
我々は,AgentClinicの逐次決定形式におけるMedQA問題の解決が極めて困難であることに気付き,診断精度が元の精度の10分の1以下に低下することを発見した。
論文 参考訳（メタデータ） (2024-05-13T17:38:53Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - Towards Conversational Diagnostic AI [32.84876349808714]
本稿では,診断対話に最適化されたLarge Language Model (LLM)ベースのAIシステムであるAMIE(Articulate Medical Intelligence Explorer)を紹介する。
AMIEは、さまざまな疾患条件にまたがって学習をスケールするための自動フィードバック機構を備えた、セルフプレイベースのシミュレート環境を使用する。
AMIEの診断精度は, 専門医によると32例中28例, 患者アクターでは26例中24例で高い成績を示した。
論文 参考訳（メタデータ） (2024-01-11T04:25:06Z)
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。