論文の概要: Rethinking Health Agents: From Siloed AI to Collaborative Decision Mediators

• arxiv url: http://arxiv.org/abs/2603.24986v1
• Date: Thu, 26 Mar 2026 03:27:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.078442
• Title: Rethinking Health Agents: From Siloed AI to Collaborative Decision Mediators
• Title（参考訳）: 医療エージェントを再考する - サイロAIからコラボレーション型意思決定メディエータへ
• Authors: Ray-Yuan Chung, Xuhai Xu, Ari Pollack,
• Abstract要約: 医療におけるAIシステムはサイロ化された構成で運用されており、医療中心のマルチステークホルダー関係ではなく、個々のユーザーをサポートする。 本稿では,コンテキスト情報を抽出し,メンタルモデルを精査し,足場共有理解を行うAIコラボレータを設計するための概念的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 12.746145837575709
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model based health agents are increasingly used by health consumers and clinicians to interpret health information and guide health decisions. However, most AI systems in healthcare operate in siloed configurations, supporting individual users rather than the multi-stakeholder relationships central to healthcare. Such use can fragment understanding and exacerbate misalignment among patients, caregivers, and clinicians. We reframe AI not as a standalone assistant, but as a collaborator embedded within multi-party care interactions. Through a clinically validated fictional pediatric chronic kidney disease case study, we show that breakdowns in adherence stem from fragmented situational awareness and misaligned goals, and that siloed use of general-purpose AI tools does little to address these collaboration gaps. We propose a conceptual framework for designing AI collaborators that surface contextual information, reconcile mental models, and scaffold shared understanding while preserving human decision authority.
• Abstract（参考訳）: 大規模言語モデルに基づく医療エージェントは、健康情報を解釈し、健康決定を導くために、医療消費者や臨床医によってますます利用されている。 しかし、医療におけるほとんどのAIシステムは、サイロ化された構成で運用されており、医療の中心となるマルチステークホルダーの関係ではなく、個々のユーザーをサポートする。 このような使用は、患者の理解を断片化し、患者、介護者、臨床医の間で不一致を悪化させる可能性がある。 私たちはAIをスタンドアロンのアシスタントではなく、マルチパーティのケアインタラクションに埋め込まれたコラボレーションツールとして再構成しました。 臨床的に検証された小児慢性腎臓病のケーススタディを通じて、順応性の低下は、断片化された状況認識と不一致の目標に起因することが示され、汎用AIツールのサイロ化は、これらのコラボレーションギャップにほとんど対処しない。 本稿では,人間の意思決定権限を維持しつつ,文脈情報を抽出し,メンタルモデルを整理し,理解を足場として共有するAIコラボレータを設計するための概念的枠組みを提案する。

関連論文リスト

• Augmenting Clinical Decision-Making with an Interactive and Interpretable AI Copilot: A Real-World User Study with Clinicians in Nephrology and Obstetrics [36.981753143345664]
  共同臨床意思決定のための対話型・解釈可能なAIコラボロであるAICareについて紹介する。 縦断的な電子健康記録を解析することにより、AICareは動的リスク予測を精査可能な可視化に基礎を置いている。
  論文  参考訳（メタデータ） (2026-01-31T13:41:32Z)
• Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
  この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。 専門医2名と専門医9名を対象にインタビューを行った。 我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。 既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
  論文  参考訳（メタデータ） (2025-05-30T21:15:57Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• MedAide: Information Fusion and Anatomy of Medical Intents via LLM-based Agent Collaboration [19.951977369610983]
  MedAideは、意図認識情報融合と協調推論を可能にするために設計された医療用マルチエージェントコラボレーションフレームワークである。 我々は,構文制約と検索拡張生成を組み合わせた正規化誘導モジュールを導入し,複雑なクエリを分解する。 また,エージェントの意図の適応認識と更新を実現するために,動的意図のプロトタイプマッチングモジュールを提案する。
  論文  参考訳（メタデータ） (2024-10-16T13:10:27Z)
• 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)
• Understanding how the use of AI decision support tools affect critical thinking and over-reliance on technology by drug dispensers in Tanzania [0.0]
  薬局のディスペンサーは、提示された臨床症例のヴィグネットの鑑別診断を決定するとき、AI技術を使用していた。 私たちは、AIがその決定について説明を提供していない場合でも、ディスペンサーがAIによる決定に頼っていたことを発見した。
  論文  参考訳（メタデータ） (2023-02-19T05:59:06Z)
• What Do End-Users Really Want? Investigation of Human-Centered XAI for Mobile Health Apps [69.53730499849023]
  説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。 分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。 私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
  論文  参考訳（メタデータ） (2022-10-07T12:51:27Z)
• Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [51.644376281196394]
  診断に医用画像を使用する場合,画像が高品質であることが重要である。 遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。 本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
  論文  参考訳（メタデータ） (2022-07-06T14:53:26Z)
• IAC: A Framework for Enabling Patient Agency in the Use of AI-Enabled Healthcare [1.0878040851638]
  IAC(Informing, Assessment, and Consent)は、医療環境におけるAI対応デジタル技術の導入に対する患者の反応を評価するためのフレームワークである。 このフレームワークは、医療実践者が医療におけるAIの使用について患者に通知する方法を導く3つの基本原則で構成されている。 本稿では, この枠組みを構成する原則を, 実践者と患者の関係を改善するガイドラインに翻訳し, 同時に, 医療におけるAIの利用に関する患者機関に翻訳することを提案する。
  論文  参考訳（メタデータ） (2021-10-29T16:13:15Z)

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。