論文の概要: Trends in AI and Human-AI Interaction in Clinical Trials -- A Hybrid Human-AI Exploration

• arxiv url: http://arxiv.org/abs/2605.29096v1
• Date: Wed, 27 May 2026 20:56:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.456868
• Title: Trends in AI and Human-AI Interaction in Clinical Trials -- A Hybrid Human-AI Exploration
• Title（参考訳）: 臨床試験におけるAIと人間-AIのインタラクションの動向 - ハイブリッドなヒューマン-AI探索-
• Authors: Sandra Woolley, Tim Collins, Khalid Khattak, Illia Chernomorets, Ariane Arevalo, Chris Richardson,
• Abstract要約: この研究は、登録臨床試験におけるヒトとAIの相互作用の傾向を分析するための、探索的ハイブリッドなヒトとAIのアプローチについても報告している。 調査結果は、AI関連の治験が時間とともに顕著に増加したことを示している。 中国と米国はAI関連の裁判で最大の数を占めた。
• 参考スコア（独自算出の注目度）: 0.043975202913406945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper examines records retrieved from the ClinicalTrials.gov registry to characterize temporal trends in AI terminology and the geographical distribution of AI trials. The work also reports on an exploratory hybrid human-AI approach to analyzing human-AI interaction trends in registered clinical trials. The hybrid workflow comprised a frontier generative AI model (GPT-5.5) and human review to screen and categorize records returned by an AI-focused search. The findings indicate a marked increase in AI-related trials over time, with recent growth in references to machine learning, deep learning, chatbots, GPTs, and large language models. Geographically, China and the United States accounted for the largest numbers of AI-related trials, with notable recent increases in several other countries including Italy, France, Spain, the UK and Turkey (Türkiye). In a random sample of 100 records, human and AI classifiers showed good agreement in identifying studies not substantively using AI, but lower agreement in classifying human-AI interaction, particularly where health professional interaction was ambiguous or insufficiently described. Overall, the results suggest that hybrid human-AI screening of clinical trial records is potentially viable, but clearer trial reporting and more precise interaction definitions will benefit the process.
• Abstract（参考訳）: 本稿では,AI用語の時間的傾向と,AI治験の地理的分布を特徴付けるために,CricerTrials.govレジストリから取得したデータについて検討する。 この研究は、登録臨床試験におけるヒトとAIの相互作用の傾向を分析するための、探索的ハイブリッドなヒトとAIのアプローチについても報告している。 ハイブリッドワークフローは、フロンティア生成AIモデル(GPT-5.5)と、AIに焦点を当てた検索によって返されるレコードのスクリーニングと分類のための人間レビューで構成されている。 機械学習、ディープラーニング、チャットボット、GPT、および大規模言語モデルへの参照が近年増加している。 地理的には、中国と米国はAI関連の裁判で最大の数を占めており、イタリア、フランス、スペイン、イギリス、トルコ(テュルキー)などいくつかの国で最近顕著に増加している。 ランダムな100レコードのサンプルでは、人間とAIの分類器は、AIを使用しず、人間とAIの相互作用、特に健康専門家の相互作用があいまいであったり、不十分であった場合の分類において、十分な一致を示した。 全体として、臨床試験記録のヒトとAIのハイブリッドスクリーニングが可能である可能性が示唆されているが、より明確な臨床試験報告とより正確な相互作用定義は、このプロセスの恩恵をもたらすだろう。

関連論文リスト

• Consumer Attitudes Towards AI in Digital Health: A Mixed-Methods Survey in Australia [13.717970454143632]
  本研究は,医療AIの消費者の即応性,受容性,信頼性,リスク知覚について調査した。 参加者は適度な楽観主義と強い知覚力と使いやすさを示したが、精度、安全性、データ使用に関してもかなりの懸念を抱いていた。 消費者は具体的なコミュニケーション品質と目に見える人間のガバナンスを通じてAIを判断する。
  論文  参考訳（メタデータ） (2026-04-30T11:35:36Z)
• Explainable AI as a Double-Edged Sword in Dermatology: The Impact on Clinicians versus The Public [46.86429592892395]
  説明可能なAI(XAI)は、AI意思決定の洞察を提供することによって、この問題に対処する。 フェアネスに基づく診断AIモデルと異なるXAI説明を組み合わせた2つの大規模実験の結果を報告する。
  論文  参考訳（メタデータ） (2025-12-14T00:06:06Z)
• Why can't Epidemiology be automated (yet)? [0.0]
  既存のデータセットを用いて疫学課題の景観をマッピングする。 既存のAIツールが効率を向上する場所を特定します。 近年開発されたエージェントシステムは疫学的解析を設計・実行できるようになった。
  論文  参考訳（メタデータ） (2025-07-21T13:41:52Z)
• Beyond Black-Box AI: Interpretable Hybrid Systems for Dementia Care [2.4339626079536925]
  近年の大規模言語モデル(LLM)のブームは、人工知能(AI)システムが医療診断に役立つという期待を再燃させた。 ベンチマークスコアはめちゃくちゃですが、LCMアシスタントはまだベッドサイドで測定可能な改善を提供していません。 このスクーピングレビューは、臨床現場で実践的な貢献をするためにAIが制限されている領域を強調することを目的としている。
  論文  参考訳（メタデータ） (2025-07-02T01:43:06Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• Measuring Human Contribution in AI-Assisted Content Generation [66.06040950325969]
  本研究は,AIによるコンテンツ生成における人間の貢献度を測定する研究課題を提起する。 人間の入力とAI支援出力の自己情報に対する相互情報を計算することにより、コンテンツ生成における人間の比例情報貢献を定量化する。
  論文  参考訳（メタデータ） (2024-08-27T05:56:04Z)
• Generative AI in Writing Research Papers: A New Type of Algorithmic Bias and Uncertainty in Scholarly Work [0.38850145898707145]
  大規模言語モデル(LLM)と生成AIツールは、バイアスを特定し、対処する上での課題を提示している。 生成型AIツールは、不正な一般化、幻覚、レッド・チーム・プロンプトのような敵攻撃を目標とする可能性がある。 研究原稿の執筆過程に生成AIを組み込むことで,新しいタイプの文脈依存型アルゴリズムバイアスがもたらされることがわかった。
  論文  参考訳（メタデータ） (2023-12-04T04:05:04Z)
• Human-AI Coevolution [48.74579595505374]
  Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。 本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
  論文  参考訳（メタデータ） (2023-06-23T18:10:54Z)
• The ethical ambiguity of AI data enrichment: Measuring gaps in research ethics norms and practices [2.28438857884398]
  この研究は、AI研究とデータ豊か化のために、同等な研究倫理要件と規範がどのように開発されたか、そしてどの程度まで調査する。 主要なAI会場は、人間のデータ収集のためのプロトコルを確立し始めているが、これらは矛盾なく著者が追従している。
  論文  参考訳（メタデータ） (2023-06-01T16:12:55Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)

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。