論文の概要: From Operations to Elderly Care Outcomes: A Thematic Review of Industrial Engineering and Decision-Support Approaches

• arxiv url: http://arxiv.org/abs/2607.19075v1
• Date: Tue, 21 Jul 2026 13:07:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.431429
• Title: From Operations to Elderly Care Outcomes: A Thematic Review of Industrial Engineering and Decision-Support Approaches
• Title（参考訳）: 事業から介護成果へ:産業工学と意思決定へのアプローチをテーマとして
• Abstract要約: 世界高齢化の急速な成長は、医療システムに深刻な課題をもたらしている。 産業工学と運用研究は、堅牢な最適化と意思決定支援ツールを提供するが、現在のアプリケーションは、しばしば断片化されている。 本研究は,独立した運用タスクから統合された多段階意思決定へと研究の焦点を移す概念的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid growth of the global aging population presents severe challenges to healthcare systems, necessitating efficient, equitable, and patient-centered care models. While Industrial Engineering and Operations Research (OR) provide robust optimization and decision-support tools to address these multidimensional complexities, current applications often remain fragmented. This paper presents a thematic review of 30 seminal studies at the intersection of OR and elderly care, categorizing the literature into home healthcare operations, polypharmacy management, and clinical chronotherapy. Our analysis highlights a significant methodological evolution from static, deterministic models toward dynamic and stochastic frameworks integrated with artificial intelligence (AI). Despite these advancements, a critical translational gap persists: the current OR literature is heavily dominated by process-level optimizations, such as staff routing, and struggles to translate these operational efficiencies into measurable clinical outcomes. Furthermore, holistic models bridging the transition between hospital and community care remain critically underexplored. To develop resilient and smart healthcare systems, this study proposes a conceptual framework that shifts the research focus from isolated operational tasks to integrated, multi-level decision-making. We emphasize the critical need for robust systems analysis, human-inclusive design, and the smartification of care through emerging digital technologies - including digital twins and large language models - to successfully bridge the gap between theoretical operational metrics and tangible patient-level health outcomes.
• Abstract（参考訳）: 世界の高齢化人口の急速な増加は、医療システムに深刻な課題をもたらし、効率的で公平で患者中心のケアモデルを必要とする。 産業工学・運用研究(OR)は、これらの多次元の複雑さに対処するための堅牢な最適化と意思決定支援ツールを提供しているが、現在のアプリケーションは、しばしば断片化されている。 本報告では,高齢者医療とORの交点における30のセミナー研究をテーマとして,在宅医療,多剤療法,臨床放射線療法に分類する。 我々の分析は、静的、決定論的モデルから、人工知能(AI)と統合された動的、確率的なフレームワークへの重要な方法論的進化を浮き彫りにしている。 現在のOR文献は、スタッフのルーティングのようなプロセスレベルの最適化によって大きく支配されており、これらの操作効率を測定可能な臨床結果に変換するのに苦労している。 さらに、病院と地域医療の移行を橋渡しする全体論的モデルは、いまだに過小評価されている。 本研究は、レジリエントでスマートな医療システムを開発するために、独立した運用タスクから統合されたマルチレベル意思決定へと研究の焦点を移す概念的枠組みを提案する。 我々は、理論的な運用指標と具体的な患者レベルの健康結果とのギャップを埋めるために、ロバストなシステム分析、ヒューマンインクルーシブデザイン、そしてデジタルツインや大規模言語モデルを含む新興デジタル技術によるケアのスマート化に対する重要なニーズを強調します。

関連論文リスト

• Computational Pathology in the Era of Emerging Foundation and Agentic AI -- International Expert Perspectives on Clinical Integration and Translational Readiness [33.59001301401135]
  基礎モデルとエージェントによる人工知能の最近の進歩は、計算病理学の進化を加速させた。 この発展の勢いにもかかわらず、実装が経済的、技術的、行政的な課題に直面しているため、現実世界の採用は遅れている。 このレビューでは、デプロイ可能な臨床関連性と下流分析能力を結合することにより、これらの新興AIシステムを医療実践に責任を持って組み込む方法について考察する。
  論文  参考訳（メタデータ） (2026-03-06T04:07:16Z)
• MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning [53.37068897861388]
  MedSAM-Agentは、対話的なセグメンテーションを多段階の自律的な意思決定プロセスとして再構築するフレームワークである。 マルチターン・エンド・ツー・エンドの成果検証を統合した2段階のトレーニングパイプラインを開発した。 6つの医療モダリティと21のデータセットにわたる実験は、MedSAM-Agentが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-02-03T09:47:49Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Advancing Embodied Intelligence in Robotic-Assisted Endovascular Procedures: A Systematic Review of AI Solutions [27.68772584578631]
  エボディード・インテリジェンスとロボットシステムの統合は、パラダイムシフトを表している。 データ駆動型アプローチ、高度なコンピュータビジョン、医用画像分析、機械学習技術は、この進化の最前線にある。 知的知覚とデータ駆動制御の最近の進歩とロボット支援手順における実践的応用について論じる。
  論文  参考訳（メタデータ） (2025-04-21T13:49:30Z)
• From large language models to multimodal AI: A scoping review on the potential of generative AI in medicine [40.23383597339471]
  マルチモーダルAIは、イメージング、テキスト、構造化データを含む多様なデータモダリティを単一のモデルに統合することができる。 このスコーピングレビューは、マルチモーダルAIの進化を探求し、その方法、アプリケーション、データセット、臨床環境での評価を強調している。 診断支援,医療報告生成,薬物発見,会話型AIの革新を推進し,一過性のアプローチからマルチモーダルアプローチへのシフトを示唆した。
  論文  参考訳（メタデータ） (2025-02-13T11:57:51Z)
• A Hybrid Data-Driven Approach For Analyzing And Predicting Inpatient Length Of Stay In Health Centre [0.0]
  本研究は,患者フローの最適化のためのオール・エンコンパス・フレームワークを提案する。 我々は、230万件の未確認患者記録の包括的なデータセットを用いて、人口統計、診断、治療、サービス、費用、料金を分析した。 本モデルでは,患者の入院時間(LoS)を教師付き学習アルゴリズムを用いて予測する。
  論文  参考訳（メタデータ） (2025-01-30T18:01:48Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• Patient-centered data science: an integrative framework for evaluating and predicting clinical outcomes in the digital health era [0.0]
  本研究では,デジタルヘルス時代の患者中心型データサイエンスのための新たな統合的枠組みを提案する。 従来の臨床データと患者の報告した結果、健康の社会的決定要因、および多次元データを組み合わせて総合的なデジタル患者表現を作成する多次元モデルを開発した。
  論文  参考訳（メタデータ） (2024-07-31T02:36:17Z)
• L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
  慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。 人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。 我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
  論文  参考訳（メタデータ） (2024-06-07T12:01:37Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• 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。