論文の概要: ClinQueryAgent: A Conversational Agent for Population Health Management
- arxiv url: http://arxiv.org/abs/2605.18768v1
- Date: Mon, 13 Apr 2026 10:07:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.927629
- Title: ClinQueryAgent: A Conversational Agent for Population Health Management
- Title（参考訳）: ClinQueryAgent: 人口健康管理のための会話エージェント
- Authors: Joseph S. Boyle, Anthony Dranfield, Mike O'Neil, Maria Liakata, Alison Q. Smithard,
- Abstract要約: ClinQueryAgentは、自然言語の健康問題から実行可能なデータベースクエリに変換するシステムである。
既存の人口健康管理プラットフォームに埋め込まれたチャットウィンドウを介してシステムをデプロイする。
英国国立衛生局の計148,319人の患者をカバーする15の医療慣行から128人のスタッフによって使用されている。
- 参考スコア（独自算出の注目度）: 7.734229817483146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we introduce ClinQueryAgent, a system for translating natural language population health questions into executable database queries using agents with access to both local and external knowledge bases. Our novel architecture enables the use of powerful cloud-based language models whilst ensuring that no patient data leaves the secure environment. To combat inaccuracies over the course of longer dialogues due to context rot, information retrieval is delegated to a sub-agent. We deploy the system via a chat window embedded within an existing population health management platform where it has been used by 128 staff from 15 healthcare practices covering a total of 148,319 patients in the UK's National Health Service (NHS). We evaluate the system's capacity to autonomously handle a range of health informatics tasks on a constructed dataset and via a beta-testing phase. Our results show that both analysts and clinicians are able to easily generate actionable information from patient health records using natural language requests requiring no programming expertise to verify. We make a public demo of the system available at: https://demo-899965260288.europe-west1.run.app/
- Abstract（参考訳）: 本稿では,母国語と外語の両方の知識ベースにアクセス可能なエージェントを用いて,自然言語の健康質問を実行可能なデータベースクエリに翻訳するシステムであるClinQueryAgentを紹介する。
私たちの新しいアーキテクチャは、患者データが安全な環境を離れないようにしながら、強力なクラウドベースの言語モデルを使用することを可能にします。
文脈回転による長い対話の過程で不正確さと戦うために、情報検索をサブエージェントに委譲する。
我々は、既存の人口健康管理プラットフォームに埋め込まれたチャットウィンドウを通じてシステムをデプロイし、英国のNHS(National Health Service)で合計148,319人の患者をカバーする15の医療実践から128人のスタッフが利用した。
構築されたデータセットとベータテストフェーズを介して、さまざまな健康情報処理タスクを自律的に処理するシステムの能力を評価する。
以上の結果から,プログラムの専門知識を必要とせず,患者の健康記録から,アナリストと臨床医が容易に行動可能な情報を生成できることが示唆された。
システムの公開デモは、https://demo-899965260288.europe-west1.run.app/で公開しています。
関連論文リスト
- DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。
本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
論文 参考訳（メタデータ） (2025-10-24T08:01:21Z) - MedicalOS: An LLM Agent based Operating System for Digital Healthcare [6.848506601405531]
textbfMedicalOSは、医療のためのドメイン固有の抽象レイヤとして設計された統合エージェントベースの運用システムである。
人間の指示を患者の調査、履歴検索、試験管理、レポート生成、紹介、治療計画など、事前に定義されたデジタル医療コマンドに翻訳する。
当科では,22専門214症例を対象に,診断精度と信頼性を実証し,MericalOSを実証的に評価した。
論文 参考訳（メタデータ） (2025-09-15T01:43:20Z) - MedAgentBench: A Realistic Virtual EHR Environment to Benchmark Medical LLM Agents [20.96732566767587]
最近の大規模言語モデル(LLM)は、特にエージェントとして機能する能力において顕著な進歩を見せている。
MedAgentBenchは、医療記録コンテキストにおける大規模言語モデルのエージェント能力を評価するために設計された幅広い評価スイートである。
環境は、現代のEMRシステムで使用される標準的なAPIと通信インフラを使用するため、ライブのEMRシステムに容易に移行できる。
論文 参考訳（メタデータ） (2025-01-24T17:21:01Z) - LG AI Research & KAIST at EHRSQL 2024: Self-Training Large Language Models with Pseudo-Labeled Unanswerable Questions for a Reliable Text-to-SQL System on EHRs [58.59113843970975]
テキストから回答へのモデルは、Electronic Health Recordsを知識のない医療専門家に利用できるようにする上で重要なものだ。
疑似ラベル付き非解答質問を用いた自己学習戦略を提案し,EHRのテキスト・ツー・アンサーモデルの信頼性を高める。
論文 参考訳（メタデータ） (2024-05-18T03:25:44Z) - Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。
特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。
また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
論文 参考訳（メタデータ） (2024-04-27T05:03:42Z) - Spoken Dialogue System for Medical Prescription Acquisition on
Smartphone: Development, Corpus and Evaluation [0.11184789007828977]
本稿では,スマートフォン上でアクセス可能な音声対話システムという形で,e-prescribing softwareのための自然言語インタフェースを提案する。
システムは、プリスクライブソフトウェアでチェック可能な処方薬の正式な表現を抽出する。
論文 参考訳（メタデータ） (2023-11-06T20:36:55Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Multilingual Medical Question Answering and Information Retrieval for
Rural Health Intelligence Access [1.0499611180329804]
いくつかの発展途上国の農村部では、高品質な医療、医療インフラ、専門的診断へのアクセスはほとんど利用できない。
このような医療アクセスの欠如、患者の以前の健康記録の欠如、および先住民語での情報の置換によるいくつかの死を、容易に防ぐことができる。
本稿では,機械学習とNLP(Natural Language Processing)技術における現象の進展を利用して,低リソース・多言語・予備的ファーストポイント・オブ・コンタクト・メディカルアシスタントを設計するアプローチについて述べる。
論文 参考訳（メタデータ） (2021-06-02T16:05:24Z) - Learning Contextualized Document Representations for Healthcare Answer
Retrieval [68.02029435111193]
コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。
本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。
我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2020-02-03T15:47:19Z)
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。