論文の概要: Artificial intelligence-driven improvement of hospital logistics management resilience: a practical exploration based on H Hospital
- arxiv url: http://arxiv.org/abs/2603.13816v1
- Date: Sat, 14 Mar 2026 07:57:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.423962
- Title: Artificial intelligence-driven improvement of hospital logistics management resilience: a practical exploration based on H Hospital
- Title（参考訳）: 人工知能による病院物流管理のレジリエンス向上--H病院を事例として
- Abstract要約: 病院の物流管理は、内部の業務や外部の緊急事態からのプレッシャーに直面している。
病院のロジスティクスは適応管理システムと構造的継続的改善に依存している。
ターゲット戦略はAI駆動のクローズドループレジリエンスメカニズムを形成するために提案されている。
- 参考スコア（独自算出の注目度）: 11.390501166233191
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hospital logistics management faces growing pressure from internal operations and external emergencies, with artificial intelligence (AI) holding untapped potential to boost its resilience. This study explores AI's role in enhancing logistics resilience via a mixed-methods case study of H Hospital, combining 12 key informant interviews and a full survey of 151 logistics staff, with the PDCA cycle as the analytical framework. Thematic and quantitative analyses (hierarchical regression, structural equation modeling) were adopted for data analysis. Results showed 94.7% staff perceived AI application, with the strongest improvements in equipment maintenance (41.1%) and resource allocation (33.1%), but limited effects in emergency response (18.54%) and risk management (15.23%). AI integration positively correlated with logistics resilience (\b{eta}=0.642, p<0.001), with management system adaptability as a positive moderator (\b{eta}=0.208, p<0.01). The PDCA cycle fully mediated the AI-resilience relationship. We conclude AI effectively enhances logistics resilience, dependent on adaptive management systems and structured continuous improvement mechanisms. Targeted strategies are proposed to form an AI-driven closed-loop resilience mechanism, offering empirical guidance for AI-hospital logistics integration and resilient health system construction.
- Abstract（参考訳）: 病院の物流管理は、内部の業務や外部の緊急事態からの圧力が増大し、人工知能(AI)はその回復力を高める未完成の可能性を秘めている。
本研究は,H病院の混合メタドスケーススタディを通じて,ロジスティクスのレジリエンス向上におけるAIの役割について検討し,12の重要インタビューと151人のロジスティクススタッフのフルサーベイと,PDCAサイクルを分析フレームワークとして組み合わせた。
データ解析には理論的および定量的解析(階層回帰、構造方程式モデリング)が採用された。
その結果、94.7%のスタッフがAIアプリケーションを認め、機器のメンテナンス(41.1%)と資源割り当て(33.1%)が最多に向上したが、緊急対応(18.54%)とリスク管理(15.23%)に制限効果があった。
AI統合は、ロジスティクスのレジリエンス (\b{eta}=0.642, p<0.001) と正のモデレーター (\b{eta}=0.208, p<0.01) として管理システム適応性に相関する。
PDCAサイクルはAI-レジリエンス関係を完全に仲介する。
AIはロジスティクスを効果的に強化し、適応型管理システムと構造化された継続的改善機構に依存していると結論付けている。
ターゲット戦略はAI駆動のクローズドループレジリエンスメカニズムを形成するために提案され、AI-ホスピタルロジスティクス統合とレジリエンスヘルスシステム構築のための実証的なガイダンスを提供する。
関連論文リスト
- 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) - Evidence-Grounded AI for Musculoskeletal Care [106.59121478639402]
OrthoPilotは、大規模言語モデル(LLM)を利用した臨床人工知能システムである。
病院のデータストリームと、継続的な筋骨格ケアのための権威的な外部知識を統合する。
81人の整形外科医に対するフルパスウェイ・リーダーによる研究で、OrthoPilotは25年の経験を持つ専門家よりも優れていた。
論文 参考訳（メタデータ） (2026-07-14T09:03:26Z) - Emulating Clinician Cognition via Self-Evolving Deep Clinical Research [104.66211772795747]
このギャップを橋渡しする自己進化型診断剤DxEvolveを,インタラクティブな深層臨床研究ワークフローを通じて開発しました。
MIMIC-CDMベンチマークでは、DxEvolveは平均オーバーボーンモデルで診断精度を11.2%改善した。
DxEvolveは、経験を管理可能な学習資産に変えることによって、臨床AIの継続的な進化のための説明可能な経路をサポートする。
論文 参考訳（メタデータ） (2026-03-11T11:41:51Z) - Empowering Locally Deployable Medical Agent via State Enhanced Logical Skills for FHIR-based Clinical Tasks [15.634158040789474]
State-Enhanced Logical-Skill Memory (SELSM) は、シミュレートされた臨床軌道をエンティティに依存しない運用ルールに蒸留する、トレーニング不要のフレームワークである。
MedAgentBench - 実際の臨床データでベンチマークされた唯一の信頼性の高い高忠実な仮想EHRサンドボックス。
論文 参考訳（メタデータ） (2026-03-06T21:42:14Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - Bio-inspired Agentic Self-healing Framework for Resilient Distributed Computing Continuum Systems [4.003029907200818]
ReCiStは、分散コンピューティング継続システム(DCCS)のレジリエンスを実現するために設計された、バイオインスパイアされたエージェントによる自己修復フレームワークである。
ReCiStは、止血、炎症、増殖、再生の生物学的フェーズを、DCCSの包含、診断、メタ認知、知識の計算層に再構築する。
これら4つのレイヤは、自律的な障害分離、因果診断、適応的回復、言語モデル(LM)を利用した長期的な知識統合を行う。
論文 参考訳（メタデータ） (2026-01-01T13:30:38Z) - Enabling Responsible, Secure and Sustainable Healthcare AI - A Strategic Framework for Clinical and Operational Impact [0.5076419064097734]
私たちは、責任があり、安全で持続可能なヘルスケアAIを運用するための実用モデルを提供しています。
このフレームワークには、リーダーシップと戦略、MLOps & Technical Infrastructure、ガバナンスと倫理、教育と労働力開発、変革管理と採用の5つの重要な柱が含まれている。
2つのデプロイを通じてそのユーティリティを実証します。
論文 参考訳（メタデータ） (2025-10-09T12:40:59Z) - LIMI: Less is More for Agency [49.63355240818081]
LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。
高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。
マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
論文 参考訳（メタデータ） (2025-09-22T10:59:32Z) - Using AI to Optimize Patient Transfer and Resource Utilization During Mass-Casualty Incidents: A Simulation Platform [0.014285185279360277]
マスインシデント(MCI)は医療システムを圧倒し、急激な患者病院割り当ての決定を要求する。
我々は,患者の移動決定を最適化するために,深層強化学習に基づく意思決定支援AIエージェントを開発し,検証した。
MasTERはMCI管理シミュレーションのためのウェブアクセス可能なコマンドダッシュボードである。
論文 参考訳（メタデータ） (2025-09-10T16:46:54Z) - The Impact of Foundational Models on Patient-Centric e-Health Systems [2.2667044928324747]
我々は116の患者中心医療アプリケーションにおけるAI機能統合の統合と成熟度について検討する。
私たちの結果は、86.21%以上のアプリケーションがAI統合の初期段階に留まっており、高度なAI統合を示すのは13.79%であることを示している。
論文 参考訳（メタデータ） (2025-07-29T14:56:01Z) - SEEA-R1: Tree-Structured Reinforcement Fine-Tuning for Self-Evolving Embodied Agents [58.174206358223415]
自己進化型エボダイドエージェント(SeEA-R1)は、自己進化型エボダイドエージェント用に設計された最初の強化微細調整フレームワークである。
本研究は,SEEA-R1が自律適応と報酬駆動型自己進化をサポートすることを示す。
論文 参考訳（メタデータ） (2025-06-26T18:00:07Z) - Simulated patient systems are intelligent when powered by large language model-based AI agents [32.73072809937573]
我々は,大規模言語モデルに基づくAIエージェントを用いた,インテリジェントシミュレートされた患者システムAIatientを開発した。
このシステムにはRetrieval Augmented Generationフレームワークが組み込まれており、複雑な推論のために6つのタスク固有のLLMベースのAIエージェントが使用されている。
シミュレーションの現実のために、このシステムはAIPatient KG (Knowledge Graph) も利用している。
論文 参考訳（メタデータ） (2024-09-27T17:17:15Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z)
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。