論文の概要: Retrieval-Augmented Large Language Models for Evidence-Informed Guidance on Cannabidiol Use in Older Adults
- arxiv url: http://arxiv.org/abs/2604.09548v1
- Date: Fri, 16 Jan 2026 04:51:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.478256
- Title: Retrieval-Augmented Large Language Models for Evidence-Informed Guidance on Cannabidiol Use in Older Adults
- Title（参考訳）: 健常成人におけるカンナビジオール使用の証拠化指導のための検索型大規模言語モデル
- Authors: Ali Abedi, Charlene H. Chu, Shehroz S. Khan,
- Abstract要約: 高齢者は通常、痛みや睡眠障害などの慢性疾患を経験し、症状管理のために大麻ジオールを考慮することがある。
大規模な言語モデルと検索強化世代に基づく会話型人工知能システムは、カンナビジオールの教育を支援することができる。
本研究では,構造化プロンプトエンジニアリングとキュレートされたカンナビジオールエビデンスを組み合わせて,文脈認識型ガイダンスを生成する検索強化型大規模言語モデルフレームワークを開発した。
- 参考スコア（独自算出の注目度）: 3.753262097971202
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Older adults commonly experience chronic conditions such as pain and sleep disturbances and may consider cannabidiol for symptom management. Safe use requires appropriate dosing, careful titration, and awareness of drug interactions, yet stigma and limited health literacy often limit understanding. Conversational artificial intelligence systems based on large language models and retrieval-augmented generation may support cannabidiol education, but their safety and reliability remain insufficiently evaluated. This study developed a retrieval-augmented large language model framework that combines structured prompt engineering with curated cannabidiol evidence to generate context-aware guidance for older adults, including those with cognitive impairment. We also proposed an automated, annotation-free evaluation framework to benchmark leading standalone and retrieval-augmented models in the absence of standardized benchmarks. Sixty-four diverse user scenarios were generated by varying symptoms, preferences, cognitive status, demographics, comorbidities, medications, cannabis history, and caregiver support. Multiple state-of-the-art models were evaluated, including a novel ensemble retrieval architecture that integrates multiple retrieval systems. Across three automated evaluation strategies, retrieval-augmented models consistently produced more cautious and guideline-aligned recommendations than standalone models, with the ensemble approach performing best. These findings demonstrate that structured retrieval improves the reliability and safety of AI-driven cannabidiol education and provide a reproducible framework for evaluating AI tools used in sensitive health contexts.
- Abstract（参考訳）: 高齢者は通常、痛みや睡眠障害などの慢性疾患を経験し、症状管理のために大麻ジオールを考慮することがある。
安全な使用には適切な服用、注意深い刺激、薬物相互作用の認識が必要であるが、スティグマと限られた健康リテラシーは理解を制限することが多い。
大規模言語モデルと検索強化世代に基づく会話型人工知能システムは、カンナビオール教育をサポートするが、その安全性と信頼性は十分に評価されていない。
本研究では,構造化プロンプトエンジニアリングとキュレートされたカンナビジオールエビデンスを組み合わせることで,認知障害を含む高齢者の文脈認識ガイダンスを作成できる大規模言語モデルフレームワークを開発した。
また、標準化されたベンチマークがなければ、先行するスタンドアロンおよび検索強化モデルのベンチマークを行うための自動アノテーションなし評価フレームワークも提案した。
様々な症状,嗜好,認知的地位,人口統計,共生性,薬物,大麻の歴史,介護者の支援によって,46の多様なユーザシナリオが生み出された。
複数の検索システムを統合する新しいアンサンブル検索アーキテクチャを含む,複数の最先端モデルの評価を行った。
3つの自動評価戦略を通じて、検索強化モデルは、スタンドアロンモデルよりも慎重でガイドラインに整合したレコメンデーションを一貫して生成し、アンサンブルアプローチは最高に機能した。
これらの結果から,構造化検索はAI駆動型カンナビジオール教育の信頼性と安全性を改善し,センシティブな健康環境で使用されるAIツールを評価するための再現可能なフレームワークを提供することが示された。
関連論文リスト
- The Gait Signature of Frailty: Transfer Learning based Deep Gait Models for Scalable Frailty Assessment [22.972032402190873]
臨床的に現実的な設定で収集したシルエットベースの脆弱な歩行データセットを公開して紹介する。
我々は,限られたデータ条件下で,事前学習した歩行認識モデルが脆弱な分類にどのように適応できるかを評価する。
論文 参考訳（メタデータ） (2026-03-25T15:44:37Z) - MHDash: An Online Platform for Benchmarking Mental Health-Aware AI Assistants [2.89303424493]
我々は、メンタルヘルスアプリケーションのためのAIシステムの開発、評価、監査を支援するために設計されたオープンソースのプラットフォームであるMHDashを紹介する。
以上の結果から, 単純ベースラインと高度なLCM APIは, 高リスク症例においてほぼ同等の精度を示しつつも, 極めて多岐にわたることが示唆された。
MHDashをオープンプラットフォームとしてリリースすることで、再現可能な研究、透過的な評価、メンタルヘルス支援のためのAIシステムの安全に整合した開発を促進することを目指している。
論文 参考訳（メタデータ） (2026-01-30T22:03:31Z) - An Agentic AI Framework for Training General Practitioner Student Skills [1.8865968025608468]
本稿では,一般学生のスキルを育成するためのエージェント・フレームワークを紹介し,エビデンスベースのビグネット生成,人格主導型患者対話,標準に基づく評価とフィードバックについて紹介する。
参加者は、現実的でヴィグネットに忠実な対話、適切な難易度調整、安定した性格信号、非常に有用なサンプルリッチフィードバックを報告した。
これらの結果は,信頼性と教育学的に価値のあるトレーニングツールを構築するための実践的パターンとして,シナリオ制御,インタラクション制御,標準に基づく評価のエージェント的分離を支援する。
論文 参考訳（メタデータ） (2025-12-20T17:26:39Z) - Mentalic Net: Development of RAG-based Conversational AI and Evaluation Framework for Mental Health Support [0.0]
メンタルネット会話AIはBERTスコアが0.898であり、他の評価指標は満足のいく範囲内にある。
我々は,このようなトランスフォーメーション技術を開発する上で,人間-イン-ザ-ループアプローチと長期的かつ責任ある戦略を提唱する。
論文 参考訳（メタデータ） (2025-08-27T03:44:56Z) - BioDisco: Multi-agent hypothesis generation with dual-mode evidence, iterative feedback and temporal evaluation [0.0]
既存の自動化手法は、斬新で根拠に基づく仮説を生成するのに苦労している。
BioDiscoは言語モデルに基づく推論とデュアルモードエビデンスシステムに基づくマルチエージェントフレームワークである。
論文 参考訳（メタデータ） (2025-08-02T09:32:52Z) - UniConv: Unifying Retrieval and Response Generation for Large Language Models in Conversations [71.79210031338464]
会話における大規模言語モデルに対する高密度検索と応答生成の統一方法を示す。
目的の異なる共同微調整を行い、不整合リスクを低減するための2つのメカニズムを設計する。
5つの対話型検索データセットの評価は、我々の統合モデルがタスクを相互に改善し、既存のベースラインより優れていることを示す。
論文 参考訳（メタデータ） (2025-07-09T17:02:40Z) - Causality can systematically address the monsters under the bench(marks) [64.36592889550431]
ベンチマークはさまざまなバイアス、アーティファクト、リークに悩まされている。
モデルは、調査の不十分な障害モードのため、信頼できない振る舞いをする可能性がある。
因果関係はこれらの課題を体系的に解決するための 理想的な枠組みを提供します
論文 参考訳（メタデータ） (2025-02-07T17:01:37Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model,
Data, and Training [109.9218185711916]
アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。
我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
論文 参考訳（メタデータ） (2023-04-19T11:07:43Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z)
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。