論文の概要: Berta: an open-source, modular tool for AI-enabled clinical documentation

• arxiv url: http://arxiv.org/abs/2603.23513v1
• Date: Thu, 05 Mar 2026 19:17:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.996746
• Title: Berta: an open-source, modular tool for AI-enabled clinical documentation
• Title（参考訳）: Berta: AI対応の臨床ドキュメントのためのオープンソースのモジュールツール
• Abstract要約: 商用AIは、医師1人あたり月額99～600ドルで、不透明なシステムとして運用され、施設のインフラにデータを返さない。 私たちは、AI対応の臨床ドキュメントのためのオープンソースのモジュラー・スクライブ・プラットフォームであるBertaを開発した。
• 参考スコア（独自算出の注目度）: 4.949056752434785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commercial AI scribes cost \$99-600 per physician per month, operate as opaque systems, and do not return data to institutional infrastructure, limiting organizational control over data governance, quality improvement, and clinical workflows. We developed Berta, an open-source modular scribe platform for AI-enabled clinical documentation, and deployed a customized implementation within Alberta Health Services (AHS) integrated with their existing Snowflake AI Data Cloud infrastructure. The system combines automatic speech recognition with large language models while retaining all clinical data within the secure AHS environment. During eight months (November 2024 to July 2025), 198 emergency physicians used the system in 105 urban and rural facilities, generating 22148 clinical sessions and more than 2800 hours of audio. The use grew from 680 to 5530 monthly sessions. Operating costs averaged less than \$30 per physician per month, a 70-95% reduction compared to commercial alternatives. AHS has since approved expansion to 850 physicians. This is the first provincial-scale deployment of an AI scribe integrated with existing health system infrastructure. By releasing Berta as open source, we provide a reproducible, cost-effective alternative that health systems can adapt to their own secure environments, supporting data sovereignty and informed evaluation of AI documentation technology.
• Abstract（参考訳）: 商用AIは、医師1人あたり99～600ドルという価格を定め、不透明なシステムとして運用し、データを機関のインフラに返さず、データガバナンス、品質改善、臨床ワークフローに対する組織的なコントロールを制限している。 私たちは、AI対応の臨床ドキュメントのためのオープンソースのモジュラースクリプティングプラットフォームであるBertaを開発し、既存のSnowflake AI Data Cloudインフラストラクチャと統合されたAlberta Health Services(AHS)内にカスタマイズされた実装をデプロイしました。 このシステムは,セキュアなAHS環境内にすべての臨床データを保持しながら,音声認識と大規模言語モデルを組み合わせる。 2024年11月から2025年7月までの8ヶ月間、198人の救急医師が105の都市や農村施設でこのシステムを使用し、22148の臨床セッションと2800時間以上のオーディオを発生させた。 利用は680から5530のセッションで増加した。 手術費は月額30ドル以下で、商用の代替品に比べて70-95%削減された。 AHSはその後、850人の医師への拡張を承認した。 これは、既存のヘルスシステムインフラストラクチャと統合されたAIスクライブの、最初の地方規模のデプロイメントである。 Bertaをオープンソースとしてリリースすることで、医療システムが自身のセキュアな環境に適応し、データの主権をサポートし、AIドキュメント技術のインフォームド評価を可能にする、再現可能な、費用対効果のある代替手段を提供する。

関連論文リスト

• From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems [0.18899300124593646]
  医療AIパイロットの70～80%は、ガバナンスのギャップ、断片化されたデータ、統合ブループリントの欠如により、スケールアップに失敗している。 本研究では、複数の相互運用可能なレイヤを持つ病院固有のコンプライアンス優先のエージェントAIアーキテクチャを提案する。 本研究は, 総合的かつ構造的に現実的な病院データセットと, オープンでデプロイ可能なプロトタイプ実装を用いて, トリアージリスク予測のエンドツーエンドのオーケストレーションを実証する。
  論文  参考訳（メタデータ） (2026-08-06T14:44:31Z)
• Aletheia: An Offline-First Clinical Decision Support System for Differential Diagnosis in Low-Resource Healthcare Settings [0.62914438169038]
  アレクシア (Aletheia) は、サハラ以南のアフリカで低リソースの医療環境向けに設計された、オフラインファーストの臨床試験支援システムである。 Qwen2.5-3B-インストラクトに基づいて構築され、27,000の臨床推論サンプルのキュレートデータセットに基づいて量子化低ランク適応(QLoRA)を用いて微調整される。
  論文  参考訳（メタデータ） (2026-07-14T13:44:20Z)
• 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)
• Generative AI for Healthcare: Fundamentals, Challenges, and Perspectives [37.91484716866049]
  我々は、医療のためのGenAIシステムの設計と展開において、データ中心のパラダイムを提案する。 このエコシステムは、多様な医療データと知識の統合、表現、検索をサポートするように設計されている。
  論文  参考訳（メタデータ） (2025-10-28T15:47:44Z)
• 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)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
  PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。 私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
  論文  参考訳（メタデータ） (2025-03-26T05:56:46Z)
• AI-Driven Electronic Health Records System for Enhancing Patient Data Management and Diagnostic Support in Egypt [2.0726190386988574]
  このプロジェクトは、エジプトのユニバーサルヘルス保険と医療エコシステムのためのEHRシステムを導入している。 マイクロサービスアーキテクチャとリアルタイムアクセスとプロバイダ通信のためのポリグロット永続性によって、医療履歴を集中化することで、データ管理を単純化する。
  論文  参考訳（メタデータ） (2025-02-08T15:14:12Z)
• How Well Can Modern LLMs Act as Agent Cores in Radiology Environments? [54.36730060680139]
  RadA-BenchPlatは、放射線学環境での大規模言語モデル(LLM)のパフォーマンスをベンチマークする評価プラットフォームである。 また、エージェント駆動型タスク解決ツールの10のカテゴリを定義し、7つの主要なLCMを評価している。
  論文  参考訳（メタデータ） (2024-12-12T18:20:16Z)
• 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)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• ISLE: An Intelligent Streaming Framework for High-Throughput AI Inference in Medical Imaging [3.8129962526689702]
  ISLEは、高スループット、計算および帯域幅最適化、コスト効率のよいAI推論のためのインテリジェントなストリーミングフレームワークである。 我々は、ISLEがより高速なターンアラウンドタイムを実現し、AIシステムを用いた臨床判断に悪影響を及ぼすことなく、データ、送信、計算の全体的なコストを削減できることを示した。
  論文  参考訳（メタデータ） (2023-05-24T23:27:41Z)
• MedAlpaca -- An Open-Source Collection of Medical Conversational AI Models and Training Data [37.60056509129154]
  大規模言語モデル(LLM)は、医療、診断、患者医療、教育を改善するためのかなりの約束を持っている。 しかし、患者のプライバシを保護するために、オンプレミスでデプロイできるオープンソースモデルが緊急に必要である。 本稿では、160,000以上のエントリからなる革新的なデータセットについて紹介する。
  論文  参考訳（メタデータ） (2023-04-14T11:28:08Z)
• MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
  この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
  論文  参考訳（メタデータ） (2021-09-29T18:09:41Z)

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。