論文の概要: PriHA: A RAG-Enhanced LLM Framework for Primary Healthcare Assistant in Hong Kong

• arxiv url: http://arxiv.org/abs/2604.14215v1
• Date: Fri, 10 Apr 2026 06:47:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:29.913014
• Title: PriHA: A RAG-Enhanced LLM Framework for Primary Healthcare Assistant in Hong Kong
• Title（参考訳）: PriHA: 香港におけるプライマリヘルスケアアシスタントのためのRAG強化LLMフレームワーク
• Authors: Richard Wai Cheung Chan, Shanru Lin, Ya-nan Ma, Hao Chen, Liangjun Jiang, Wenqi Fan,
• Abstract要約: 香港におけるプライマリ・ヘルスケア・アシスタント (PriHA) として, 検索機能強化LLMシステムを提案する。 提案手法は, 精度, 明瞭度において, アブレーションとベースラインを両立させることができる。
• 参考スコア（独自算出の注目度）: 17.280741707627122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address the unsustainable rise in public health expenditures, the Hong Kong SAR Government is shifting its strategic focus to primary healthcare and encouraging citizens to use community resources to self-manage their health. However, official clinical guidelines are fragmented across disparate departments and formats, creating significant access barriers. While general-purpose Large Language Models (LLMs) such as ChatGPT and DeepSeek offer potential solutions for information accessibility, they are prone to generating factually inaccurate content due to a lack of localized and domain-specific knowledge. To this end, we propose a Retrieval-Augmented Generation-Enhanced LLM system as Primary Healthcare Assistant (PriHA) in Hong Kong. Specifically, a tri-stage pipeline is proposed that leverages a query optimizer to generalize user intent-oriented sub-queries, followed by a novel Dual Retrieval Augmented Generation (DRAG) architecture for mixed-source retrieval and context-reorganized generation. Comprehensive experiments and a detailed case study demonstrate that our proposed method can outperform both ablations and baseline in terms of accuracy and clarity. Our research provides a reliable and traceable dialogue retrieval framework for exploring other high-risk, localized application scenarios.
• Abstract（参考訳）: 持続不可能な公衆衛生費の増大に対応するため、香港SAR政府は、戦略的な焦点を一次医療にシフトさせ、市民が地域資源を使って健康を自己管理することを奨励している。 しかし、公式な臨床ガイドラインは、異なる部門やフォーマットで断片化され、重要なアクセス障壁を生み出している。 ChatGPTやDeepSeekのような汎用の大規模言語モデル(LLM)は情報アクセシビリティの潜在的な解決策を提供するが、局所的およびドメイン固有の知識の欠如により、事実的に不正確なコンテンツを生成する傾向にある。 そこで本研究では,香港におけるプライマリ・ヘルスケア・アシスタント(PriHA)としてのLLMシステムを提案する。 具体的には、クエリオプティマイザを利用してユーザ指向のサブクエリを一般化する三段階パイプラインを提案し、次いで、混合ソース検索とコンテキスト再構成生成のための新しいDual Retrieval Augmented Generation (DRAG)アーキテクチャを提案する。 包括的実験と詳細なケーススタディにより,提案手法は精度と明快さの両面において,アブレーションとベースラインの両方を上回り得ることを示した。 我々の研究は、他の高リスクでローカライズされたアプリケーションシナリオを探索するための信頼性とトレーサブルな対話検索フレームワークを提供する。

関連論文リスト

• Grounded by Experience: Generative Healthcare Prediction Augmented with Hierarchical Agentic Retrieval [29.377256313893934]
  大規模言語モデル(LLM)は、豊富なパラメトリック知識に基づいて、医療の予測を強化するための有望な道を提供する。 LLMは、組み込み知識の信頼性とカバレッジに制限があるため、事実的不正確な傾向にある。 GHARは,医療におけるサブモジュール間の協調をいつ取得するか,どのように最適化するかを同時に解決する下線構造下線下線下線RAGフレームワークである。
  論文  参考訳（メタデータ） (2025-11-17T12:15:46Z)
• MedAlign: A Synergistic Framework of Multimodal Preference Optimization and Federated Meta-Cognitive Reasoning [52.064286116035134]
  我々はMed-VQA(Med-VQA)のための視覚的LVLM応答を保証するフレームワークであるMedAlignを開発した。 まず、優先学習を視覚的コンテキストに合わせるために、マルチモーダルな直接選好最適化(mDPO)の目的を提案する。 次に、画像とテキストの類似性を生かし、クエリを専門的でコンテキスト拡張されたLVLMにルーティングする検索型混合処理(RA-MoE)アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2025-10-24T02:11:05Z)
• Rethinking Evidence Hierarchies in Medical Language Benchmarks: A Critical Evaluation of HealthBench [0.0]
  HealthBenchは、健康のためにAIシステムの能力を測定するために設計されたベンチマークである。 高レベルな臨床的証拠ではなく、専門家の意見に頼っているため、地域バイアスと個々の臨床医の同調を表わすリスクがある。 本稿では,体系的レビューとGRADEエビデンス評価を取り入れたバージョン管理臨床ガイドラインにおいて,報酬関数のアンカー化を提案する。
  論文  参考訳（メタデータ） (2025-07-31T18:16:10Z)
• Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs [69.10441885629787]
  Retrieval-Augmented Generation (RAG) は、外部知識を注入することによって、Large Language Models (LLM) の事実性を高める。 逆に、純粋に推論指向のアプローチは、しばしば幻覚的あるいは誤った事実を必要とする。 この調査は両鎖を統一的推論-検索の観点から合成する。
  論文  参考訳（メタデータ） (2025-07-13T03:29:41Z)
• DeepSeek in Healthcare: A Survey of Capabilities, Risks, and Clinical Applications of Open-Source Large Language Models [4.506083131558209]
  DeepSeek-R1は、DeepSeekが開発した最先端のオープンソース大規模言語モデル(LLM)である。 パーミッシブなMITライセンスでリリースされているDeepSeek-R1は、プロプライエタリなモデルの透明性と費用対効果を提供する。 数学、医療診断、コード生成、薬学研究など、構造化された問題解決領域を卓越している。
  論文  参考訳（メタデータ） (2025-06-02T02:17:04Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [59.4999994297993]
  この総合的なレビューは、医療知識グラフ(HKG)の現状の概要を提供することを目的としている。 我々は,既存のHKGに関する文献を網羅的に分析し,その構築方法,活用技術,応用について考察した。 このレビューは、HKGsが生物医学研究や臨床実践に大きな影響を与える可能性を強調している。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)

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。