論文の概要: How Indian Dermatologists are Utilizing Artificial Intelligence for Clinical Practice and Workflow Management: A Nationwide Survey with a Special Focus on atopic dermatitis

• arxiv url: http://arxiv.org/abs/2607.01252v1
• Date: Wed, 03 Jun 2026 10:18:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-05 17:01:29.637305
• Title: How Indian Dermatologists are Utilizing Artificial Intelligence for Clinical Practice and Workflow Management: A Nationwide Survey with a Special Focus on atopic dermatitis
• Title（参考訳）: インド人皮膚科医が臨床・ワークフロー管理に人工知能を活用する方法:アトピー性皮膚炎を中心にした全国調査
• Authors: Dipayan Sengupta, Saumya Panda, Sandipan Dhar, Dipankar De, Deepika Pandhi, Narayanan B,
• Abstract要約: アトピー性皮膚炎(AD)に焦点をあてて,インド皮膚科医を対象とした定期的な臨床課題のマッピングを行った。 私たちは、臨床上の課題、ADワークフロー障壁、AIの使用、採用障壁、倫理的懸念を評価しました。 現在のAI使用は49.9%と報告されており、多くの場合、文学合成、ドキュメント、学術的なタスクのための一般的な大言語モデルを含んでいる。
• 参考スコア（独自算出の注目度）: 0.7765113779157456
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Background: Dermatology AI has mainly focused on image-based diagnosis, while chronic disease workflows have received less attention. We surveyed Indian dermatologists to map routine clinical challenges, with a focus on atopic dermatitis (AD), and assess current AI use. Methods: A nationwide cross-sectional survey commissioned by the Society for Eczema Studies included 377 practicing Indian dermatologists. The survey assessed clinical challenges, AD workflow barriers, AI use, adoption barriers, and ethical concerns. Analyses used descriptive statistics, chi-square tests, false discovery rate correction, and multivariable logistic regression. Results: Patient adherence (61.3%) and treatment planning in difficult or refractory cases (57.0%) were reported more often than diagnostic uncertainty (48.0%). In AD care, severity scoring was reported as a challenge by 47.7% and had the lowest satisfaction among measured workflow areas. Current AI use was reported by 49.9%, most often involving general large language models for literature synthesis, documentation, and academic tasks rather than specialized image analysis. Barriers differed by experience: dermatologists with more than 20 years of practice more often cited lack of training, while those with 5 years or less more often cited lack of clinical utility after trying AI tools. AI users were more likely than non-users to report concern about patient self-misdiagnosis and anxiety, which remained significant after adjustment for experience and academic affiliation. Conclusion: Respondents reported using general-purpose AI mainly for cognitive and administrative tasks, while their clinical needs centered on chronic disease management and AD workflow support. Clinician-supervised workflow tools may be more useful than standalone diagnostic applications.
• Abstract（参考訳）: 背景: 皮膚科のAIは主に画像に基づく診断に焦点を当てているが、慢性疾患のワークフローはあまり注目されていない。 インド人の皮膚科医を対象に,アトピー性皮膚炎(AD)を中心に,日常的な臨床課題のマッピングを行い,現在のAI使用状況について検討した。 方法:インド皮膚科医を実践する377名を対象に,エセマ研究協会の全国横断調査を行った。 この調査は、臨床上の課題、ADワークフロー障壁、AIの使用、採用障壁、倫理的懸念を評価した。 分析では、記述統計、カイ二乗検定、偽発見率補正、多変量ロジスティック回帰を用いた。 結果:難治または難治症例の患者付着率(61.3%)と治療計画(57.0%)は診断の不確実性(48.0%)よりも多かった。 ADケアでは、重症度スコアは47.7%の課題として報告され、測定されたワークフロー領域の中で最も満足度が低い。 現在のAIの使用量は49.9%と報告されており、多くの場合、専門的な画像解析ではなく、文学合成、文書化、学術的なタスクのための一般的な大きな言語モデルを含んでいる。 20年以上の実践経験を持つ皮膚科医は、トレーニングの欠如をしばしば引用する一方、5歳未満の患者は、AIツールを試した後の臨床ユーティリティの欠如をしばしば引用する。 AIユーザーは、経験や学術的関連を調整した後も重要であった患者の自己誤診や不安について、非ユーザよりも心配を訴える可能性が高かった。 結論: 臨床ニーズは慢性疾患管理とADワークフローサポートを中心に, 認知・管理業務を主目的とした汎用AIの使用を報告した。 臨床が管理するワークフローツールは、スタンドアロンの診断アプリケーションよりも有用かもしれない。

関連論文リスト

• DermINO: Hybrid Pretraining for a Versatile Dermatology Foundation Model [92.66916452260553]
  DermNIOは皮膚科学の多目的基盤モデルである。 自己教師型学習パラダイムを増強する、新しいハイブリッド事前学習フレームワークが組み込まれている。 さまざまなタスクにおいて、最先端のモデルよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-17T00:41:39Z)
• Barriers in Integrating Medical Visual Question Answering into Radiology Workflows: A Scoping Review and Clinicians' Insights [6.5907034989882725]
  MedVQA (Medicical Visual Question Answering) は、医療画像の解釈を質問応答によって自動化し、放射線科医を支援するための有望なツールである。 モデルやデータセットの進歩にもかかわらず、MedVQAの臨床システムへの統合は依然として限られている。 本研究は,インドとタイから68の出版物と50人の臨床医を体系的にレビューし,MedVQAの実用性,課題,ギャップについて検討した。
  論文  参考訳（メタデータ） (2025-07-09T09:51:20Z)
• Toward the Autonomous AI Doctor: Quantitative Benchmarking of an Autonomous Agentic AI Versus Board-Certified Clinicians in a Real World Setting [0.0]
  2030年までには、世界中で1100万人の医療従事者が不足していると予測されている。 エンド・ツー・エンドの大規模言語モデル(LLM)ベースのAIシステムは、実際の臨床実践において厳格に評価されていない。
  論文  参考訳（メタデータ） (2025-06-27T19:04:44Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• AI Workflow, External Validation, and Development in Eye Disease Diagnosis [5.940140611616894]
  AIは診断精度が保証されるが、臨床および多様な集団の検証が不十分なため、現実の応用問題に直面している。 本研究は、年齢関連黄斑変性(AMD)診断と分類重症度に関するケーススタディを通じて、医療用AIの下流アカウンタビリティのギャップに対処する。
  論文  参考訳（メタデータ） (2024-09-23T15:01:09Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
  本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)

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。