Fugu-MT 論文翻訳(概要): PATHFinder Agent for Tailored Prenatal Care

論文の概要: PATHFinder Agent for Tailored Prenatal Care

arxiv url: http://arxiv.org/abs/2607.24768v1
Date: Tue, 09 Jun 2026 03:40:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-02 22:55:39.044689
Title: PATHFinder Agent for Tailored Prenatal Care
Title（参考訳）: 胎生前ケア用PATHFinder剤
Abstract要約: PATHFinder Agent (Planner for Appropriate Tailored Healthcare)は、エンド・ツー・エンドの対話型エージェントシステムである。患者の健康と社会的文脈を構造化された対話を通じて収集し、PATHガイドラインに準拠した個別の出生前ケアプランをキュレートする。患者の摂取、動的相互作用、計画合成、臨床医の監視にまたがる4段階のワークフローが特徴である。
参考スコア（独自算出の注目度）: 5.796215352623332
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Prenatal care is an important preventive service designed to improve outcomes for pregnant individuals. The American College of Obstetricians and Gynecologists (ACOG) recently introduced guidelines advocating tailored prenatal care, called PATH (Plan for Tailored Healthcare). We present PATHFinder Agent(Planner for Appropriate Tailored Healthcare), an end-to-end conversational agentic system that gathers patient health and social context through structured dialogue, curates individualized prenatal care plans aligned with PATH guidelines, and surfaces community resources from Michigan 211. The system features a four-stage workflow spanning patient intake, dynamic interaction, plan synthesis, and clinician oversight. We evaluate frontier large language models (LLMs) on expert-curated rubrics across five clinical dimensions, finding that GPT-5.2 achieves the highest average score (77.6\%) while identifying key gaps in antenatal testing recommendations. We discuss future validation through human participant studies and randomized controlled trials.
Abstract（参考訳）: 出生前ケアは、妊婦の成果を改善するために設計された重要な予防サービスである。 ACOG(American College of Obstetricians and Gynecologists)は、最近、PATH(Plan for Tailored Healthcare)と呼ばれる、妊娠前ケアを推奨するガイドラインを導入した。本稿ではPATHFinder Agent(Planner for Appropriate Tailored Healthcare)について紹介する。このエージェントは患者の健康と社会的文脈を構造化された対話を通して収集し、PATHガイドラインに準拠した個別の出生前ケアプランをキュレートし、ミシガン211からコミュニティリソースを抽出する。このシステムは、患者の摂取、動的相互作用、計画合成、臨床医の監視にまたがる4段階のワークフローを備えている。 GPT-5.2 が平均スコア (77.6 %) を達成し, 出生前診断における重要なギャップを同定し, 5 つの臨床次元にわたる専門用語のフロンティア大言語モデル (LLMs) を評価した。今後の検証は、人間の被験者による研究とランダム化による治験を通じて議論する。

関連論文リスト

FUSEP: A Multi-Center Benchmark for Diverse Tasks in Early Pregnancy Fetal Ultrasound Screening [50.7313801030297]
胎児の早期妊娠における超音波データセットの欠如は、自動診断の開発を遅らせている。妊娠初期における胎児超音波スクリーニングのためのFUSEPというベンチマークデータセットを提案する。本データセットは,4,017個の超音波画像と45,820個のボックスレベルの専門家レベルのアノテーションを用いた2つの超音波画像からなる。
論文参考訳（メタデータ） (2026-08-05T12:33:07Z)
Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos [58.71502465551297]
MICCAI 2024と共同でIUGC(Intrapartum Ultrasound Grand Challenge)が打ち上げられた。 IUGCは、標準的な平面分類、胎児の頭頂部生理的セグメンテーション、バイオメトリーを統合した、臨床指向のマルチタスク自動測定フレームワークを導入している。この課題は、これまでに3つの病院から収集された774のビデオ(68,106フレーム)を含む、最大規模のマルチセンターの超音波ビデオデータセットをリリースしている。
論文参考訳（メタデータ） (2026-02-13T13:28:22Z)
LLM-Based Support for Diabetes Diagnosis: Opportunities, Scenarios, and Challenges with GPT-5 [0.0]
本研究は、Ada Standards of Care 2025に準拠した合成ケースをベースとしたシミュレーションフレームワークを用いて、最新の生成事前学習トランスであるGPT-5を評価する。症状認識, 検査室解釈, 妊娠中の糖尿病スクリーニング, リモートモニタリング, 合併症検出の5つのシナリオが検討された。 GPT-5は, 臨床医と患者のための多目的ツールとして機能する可能性が示唆された。
論文参考訳（メタデータ） (2025-09-25T19:22:04Z)
Medical Red Teaming Protocol of Language Models: On the Importance of User Perspectives in Healthcare Settings [48.096652370210016]
本稿では,患者と臨床医の両方の視点で医療領域に適した安全評価プロトコルを提案する。医療用LLMの安全性評価基準を3つの異なる視点を取り入れたレッドチームで定義した最初の研究である。
論文参考訳（メタデータ） (2025-07-09T19:38:58Z)
C-PATH: Conversational Patient Assistance and Triage in Healthcare System [3.8751966246546248]
C-PATH(Conversational patient Assistance and Triage in Healthcare)は、大規模言語モデル(LLM)を利用した対話型AIシステムである。 C-PATHは、LLaMA3アーキテクチャ上に構築された多段階パイプラインを使用して、医療知識、対話データ、臨床要約に基づいて微調整されている。
論文参考訳（メタデータ） (2025-06-07T09:48:47Z)
TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。 TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
論文参考訳（メタデータ） (2025-03-26T15:58:16Z)
PediatricsGPT: Large Language Models as Chinese Medical Assistants for Pediatric Applications [22.175201525690493]
PedCorpusは、小児科の教科書、ガイドライン、知識グラフリソースから30万以上のマルチタスク・インストラクションを収集し、多様な診断要求を満たすための高品質なデータセットである。 PedCorpusを十分に設計した上で,系統的かつ堅牢なトレーニングパイプライン上に構築された,中国初の小児 LLM アシスタントであるPediatricsGPT を提案する。
論文参考訳（メタデータ） (2024-05-29T16:59:38Z)
Closing the Gap in High-Risk Pregnancy Care Using Machine Learning and Human-AI Collaboration [8.36613277875556]
高リスク妊娠(英: High-risk pregnant)は、母親や乳児の結果に悪影響を及ぼす要因によって複雑な妊娠である。本研究は、合併症のリスクがある妊婦の特定において、ケアマネージャを支援するための現実のMLベースのシステムの実装を提案する。
論文参考訳（メタデータ） (2023-05-26T21:08:49Z)
MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文参考訳（メタデータ） (2020-10-15T03:34:33Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。