論文の概要: Improving Access to Essential Medicines via Decision-Aware Machine Learning
- arxiv url: http://arxiv.org/abs/2607.20542v1
- Date: Fri, 10 Jul 2026 21:31:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.225329
- Title: Improving Access to Essential Medicines via Decision-Aware Machine Learning
- Title（参考訳）: 意思決定型機械学習による本質的な医療へのアクセス改善
- Abstract要約: そこで本研究では,本質的な薬剤割り当てのための新しい意思決定対応機械学習フレームワークを提案する。
シエラレオネの政府と共同で,意思決定支援ツールとして,我々のシステムを全国的に展開した。
我々の研究は、リソースに制約のあるグローバルな健康設定において、機械学習手法が極めて低コストで効率を向上する方法を実証する。
- 参考スコア（独自算出の注目度）: 19.04910713770059
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A critical challenge in healthcare systems in low- and middle-income countries (LMICs) is the efficient and equitable allocation of scarce resources, particularly essential medicines. This problem is complicated by limited high-quality data, which restricts the applicability of traditional data-driven techniques. We propose a novel decision-aware machine learning framework for essential medicines allocation, which additionally leverages multi-task learning to ensure sample efficiency and catalytic priors to ensure equitable allocation. In collaboration with the Sierra Leone national government, we performed a staggered, nationwide deployment of our system as a decision support tool. Our econometric evaluation finds an estimated 19% increase in consumption of allocated products in treated districts, demonstrating its efficacy at improving access to essential medicines. Our tool was subsequently scaled nationwide, covering an estimated 2 million women and children under five. Our work demonstrates how machine learning methods can improve efficiency at very low cost in resource-constrained global health settings.
- Abstract（参考訳）: 低所得国と中所得国(LMIC)における医療システムにおける重要な課題は、不足する資源、特に本質的な医薬品の効率的かつ公平な配分である。
この問題は、従来のデータ駆動技術の適用性を制限する、限られた高品質なデータによって複雑になる。
そこで本研究では, マルチタスク学習を活用して, サンプル効率と触媒前処理を確実にし, 均等なアロケーションを確保するための, 新たな意思決定型機械学習フレームワークを提案する。
シエラレオネの政府と共同で,意思決定支援ツールとして,我々のシステムを全国的に展開した。
本研究のエコノメトリー評価では, 治療地区における配当品の消費が19%増加し, 本態性医薬品へのアクセス改善効果が示された。
対象は5歳以下の女性・子供200万人であった。
我々の研究は、リソースに制約のあるグローバルな健康設定において、機械学習手法が極めて低コストで効率を向上する方法を実証する。
関連論文リスト
- Boosting Medical Vision-Language Pretraining via Momentum Self-Distillation under Limited Computing Resources [0.0]
医療分野では、詳細なアノテーションを取得することは困難であり、堅牢なビジョンランゲージモデル(VLM)の必要性を強調している。
本稿では, 蒸留と組み合わされたモーメント法を活用し, 計算効率と知識活用の両立に着目する。
提案手法は,ゼロショット分類における最新技術(SOTA)アプローチとの競争性能を向上するとともに,少数ショット適応の大幅な向上を実現している。
論文 参考訳（メタデータ） (2025-12-02T05:53:51Z) - 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) - Asymmetrical Reciprocity-based Federated Learning for Resolving Disparities in Medical Diagnosis [68.06621490069428]
地理的な健康格差は、特に低所得国と中所得国の未保存地域において、世界的課題となっている。
我々は、地理的な健康格差を緩和し、未保存地域の診断能力を増強することを目的とした、新しいクロスサイロ・フェデレーション学習フレームワークであるFedHelpを提案する。
論文 参考訳（メタデータ） (2024-12-27T13:59:58Z) - Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - Pursuing Equilibrium of Medical Resources via Data Empowerment in
Parallel Healthcare System [25.966217799846323]
並列医療システムには、医療指向オペレーティングシステム(MOOS)、医療指向シナリオエンジニアリング(MOSE)、医療指向大規模モデル(MOLM)がある。
1)MOOSにおけるデジタル医師とロボット医師の供給量の増加,(2)MOSEにおける前向きな診断と治療による個人的および潜在的要求の特定,(3)MOLMにおける大規模モデルによる需給整合の改善により,並列医療システムにおける需給関係のバランスがとれる。
論文 参考訳（メタデータ） (2023-06-01T07:17:02Z) - Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。
アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。
マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
論文 参考訳（メタデータ） (2022-07-21T09:35:38Z) - Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。
機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。
本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文 参考訳（メタデータ） (2022-06-29T04:32:10Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest [5.406112598028401]
我々は、NMB(net-monetary-benefit)という概念を用いて、健康上の利益と関連するコストのトレードオフを評価する。
NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
我々は、NIHが出資したSystolic Blood Pressure Intervention Trialにトップパフォーマンスのアルゴリズムを適用した。
論文 参考訳（メタデータ） (2022-04-23T01:36:24Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳（メタデータ） (2020-11-02T08:46:27Z) - CPAS: the UK's National Machine Learning-based Hospital Capacity
Planning System for COVID-19 [111.69190108272133]
新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。
病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。
CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
論文 参考訳（メタデータ） (2020-07-27T19:39:13Z) - Artificial Intelligence for Global Health: Learning From a Decade of
Digital Transformation in Health Care [0.0]
低中間所得国(LMIC)は、過去10年にわたり、医療における自己のデジタル変革をすでに実施している。
新たな技術の導入によって、トップダウンのアプローチを新たに導入し、これらのテクノロジを独立して実装することが一般的になり、使用の欠如とリソースの浪費につながります。
本稿は、現在の研究のギャップの観点から、また、リソース制限環境下での医療従事者の生きた経験から、必要な考察を概説する。
論文 参考訳（メタデータ） (2020-05-20T23:50:17Z)
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。