論文の概要: DIYHealth Suite: Dataset, Model, and Benchmark for Health Management at Home

• arxiv url: http://arxiv.org/abs/2606.07542v1
• Date: Fri, 01 May 2026 17:28:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.692373
• Title: DIYHealth Suite: Dataset, Model, and Benchmark for Health Management at Home
• Title（参考訳）: DIYHealth Suite: 家庭における健康管理のためのデータセット、モデル、ベンチマーク
• Abstract要約: ジェネレーティブAIは医療を変革しているが、既存の進歩のほとんどは病院レベルのデバイスに依存している。 携帯機器や遠隔医療の普及に伴い、医療は在宅診断にシフトしつつある。 DIYHealth Suiteは、カスタマイズされたデータセット、モデル、ベンチマークを通じてこれらの課題に対処するために設計された包括的なフレームワークです。
• 参考スコア（独自算出の注目度）: 39.50862243127376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI is reshaping healthcare, yet most existing advances rely on hospital-grade devices, which limits their accessibility and potential for health management outside clinical settings. With the proliferation of portable devices and telemedicine, healthcare is shifting toward home-based Diagnosis-It-Yourself (DIY) care. Despite this promise, several distinctive challenges remain: (i) home-collected data are heterogeneous, exacerbated by the absence of standardized large-scale datasets; (ii) models require adaptation to variable task demands and evolving individual conditions; (iii) the broad spectrum of home care tasks lacks a unified benchmark for systematic evaluation. In this paper, we present DIYHealth Suite, a comprehensive framework designed to address these challenges through a tailored dataset, model, and benchmark. We first curate DIYHealth-900K, a large-scale multimodal dataset capturing diverse real-world home care scenarios. Building on this, we propose DIYHealthGPT, an adaptive foundation model for home-based health management, powered by the novel Hybrid Hyper Low-Rank Adaptation technique. Finally, we establish DIYHealthBench, the first benchmark to evaluate foundation models on home care tasks. Extensive experiments demonstrate that DIYHealthGPT delivers state-of-the-art performance over both general-purpose and medical-specific baselines on 11 home care tasks in both open-QA and closed-QA settings, laying the groundwork for the next generation of personalized health management at home.
• Abstract（参考訳）: ジェネレーティブAIは医療を変革しているが、既存のほとんどの進歩は病院レベルのデバイスに依存しており、臨床外の医療管理のアクセシビリティと可能性を制限している。 ポータブルデバイスや遠隔医療の普及に伴い、ヘルスケアは在宅診断(DIY)へとシフトしつつある。 この約束にもかかわらず、いくつかの顕著な課題が残っている。 (i)自家製のデータは異質であり、標準化された大規模データセットの欠如により悪化する。 二 モデルは、可変タスク要求に適応し、個別の条件を進化させる必要がある。 (三)ホームケアタスクの幅広い範囲には、体系的評価のための統一的なベンチマークが欠けている。 本稿では,これらの課題に対処するための包括的なフレームワークであるDIYHealth Suiteを提案する。 DIYHealth-900Kは、さまざまな実世界の在宅ケアシナリオを収集する大規模マルチモーダルデータセットである。 そこで我々は,Hybrid Hyper Low-Rank Adaptation 技術を活用したホームベースの健康管理のための適応的基礎モデル DIYHealthGPT を提案する。 最後に、ホームケアタスクの基礎モデルを評価する最初のベンチマークであるDIYHealthBenchを確立する。 DIYHealthGPTは、オープンQAとクローズドQAの両方で11の在宅ケアタスクの汎用的および医療特化ベースラインに対して、最先端のパフォーマンスを提供し、家庭におけるパーソナライズされた健康管理の基盤となることを実証している。

関連論文リスト

• Cura 1T: Specialized Model for Agentic Healthcare [10.061936136969031]
  Cura 1Tは、ヒトのゲートによる自己進化ループを通じて訓練された医療専門のLSMである。 データ中心ループは、単一の汎用的な医療データ更新ではなく、ターゲットとなる合成およびキュレートされた例を通じてモデルを改善する。
  論文  参考訳（メタデータ） (2026-07-15T22:05:23Z)
• Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development [314.80153557710616]
  我々は、1,000以上のオープンアクセスデータセットをカバーする、医療画像データセットの現在における最大の調査を提示する。 私たちの分析では、範囲が狭いタスクにまたがって断片化され、臓器やモダリティに不均一に分散した、質素なスケールのランドスケープを公開しています。 本稿では,メタデータ駆動型融合パラダイム(MDFP)を提案する。
  論文  参考訳（メタデータ） (2026-03-29T00:46:53Z)
• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• MedGemma Technical Report [75.88152277443179]
  MedGemmaは、Gemma 3 4Bと27Bをベースとした医療ビジョン言語基盤モデルの集合体である。 MedGemmaは、画像とテキストの高度な医学的理解と推論を実証する。 また、SigLIPから派生した医用目視エンコーダであるMedSigLIPを紹介する。
  論文  参考訳（メタデータ） (2025-07-07T17:01:44Z)
• FoMoH: A clinically meaningful foundation model evaluation for structured electronic health records [15.619686828044543]
  ファンデーションモデルは、下流のタスクとは無関係に意味のある表現を抽出する能力を考えると、医療において大きな可能性を秘めている。 包括的かつ有意義なタスクのデシダラタが欠如していることから、これらのモデルが臨床的有用性にもたらす可能性については、ほとんど意見の一致がない。 コロンビア大学アーヴィング医療センターの500万人の患者を対象に, EHRデータに基づく最先端基礎モデルの評価を行った。
  論文  参考訳（メタデータ） (2025-05-22T17:29:52Z)
• A Vector-Quantized Foundation Model for Patient Behavior Monitoring [41.48188433408574]
  本稿では,スマートフォンやウェアラブルデバイスからの実世界のデータを処理するために設計されたベクトル量子化変分自動エンコーダを改良した基礎モデルを提案する。 本研究では, 個別の潜伏表現を利用して, 微調整を必要とせず, 2つの下流課題, 自殺リスク評価, 情緒的状態予測を効果的に実施した。
  論文  参考訳（メタデータ） (2025-03-19T14:01:16Z)
• FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
  FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2024-08-17T15:18:56Z)
• Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
  ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。 ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
  論文  参考訳（メタデータ） (2024-07-30T18:33:05Z)
• EHRMamba: Towards Generalizable and Scalable Foundation Models for Electronic Health Records [4.540391547020466]
  我々は,Mambaアーキテクチャ上に構築された堅牢な基盤モデルであるEHRMambaを紹介する。 EHRデータに対するMPF(Multitask Prompted Finetuning)の新たなアプローチを導入し,EHRMambaが単一ファインタニングフェーズで複数の臨床タスクを同時に学習できるようにする。 MIMIC-IVデータセットを用いて評価したところ, EHRMambaは6つの主要な臨床課題にまたがって最先端の成績を向上し, EHR予測に優れており, この分野における飛躍的な進歩を示している。
  論文  参考訳（メタデータ） (2024-05-23T13:43:29Z)
• SANSformers: Self-Supervised Forecasting in Electronic Health Records with Attention-Free Models [48.07469930813923]
  本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。 SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。 本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
  論文  参考訳（メタデータ） (2021-08-31T08:23:56Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)

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。