論文の概要: Aletheia: An Offline-First Clinical Decision Support System for Differential Diagnosis in Low-Resource Healthcare Settings
- arxiv url: http://arxiv.org/abs/2607.24814v1
- Date: Tue, 14 Jul 2026 13:44:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:39.079235
- Title: Aletheia: An Offline-First Clinical Decision Support System for Differential Diagnosis in Low-Resource Healthcare Settings
- Title（参考訳）: Aletheia:低リソース医療施設における鑑別診断のためのオフラインファースト臨床診断支援システム
- Authors: Joseph Walusimbi, Ann Move Oguti, Abubakhari Sserwadda, Precious Boss Kasasira, Charles Brian Okoboi,
- Abstract要約: アレクシア (Aletheia) は、サハラ以南のアフリカで低リソースの医療環境向けに設計された、オフラインファーストの臨床試験支援システムである。
Qwen2.5-3B-インストラクトに基づいて構築され、27,000の臨床推論サンプルのキュレートデータセットに基づいて量子化低ランク適応(QLoRA)を用いて微調整される。
- 参考スコア（独自算出の注目度）: 0.62914438169038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Access to specialist clinical expertise remains severely limited across sub-Saharan Africa, where physician-to-patient ratios can fall below 1:25,000 in rural settings. Existing AI-assisted diagnostic tools predominantly require reliable internet connectivity and high-specification hardware, rendering them impractical for frontline healthcare workers in district hospitals and health centres. This paper presents Aletheia, an offline-first clinical decision support system designed for low-resource healthcare contexts across sub-Saharan Africa. Aletheia is built upon Qwen2.5-3B-Instruct, fine-tuned using Quantised Low- Rank Adaptation (QLoRA) on a curated dataset of 27,000 clinical reasoning samples spanning 50 disease conditions with elevated prevalence in East Africa. Evaluation demonstrates a Top-1 diagnostic accuracy of 80.0%, Top-3 accuracy of 100.0%, BERTScore-F1 of 0.909, and METEOR of 0.467 across ten representative clinical case categories. The system achieves an Expected Calibration Error (ECE) of 0.275 and passes the Africa Deep Tech Challenge 2026 (ADTC 2026) memory budget constraint of 7 168 MB, achieving a peak inference RAM of approximately 3 630 MB on the standardised benchmark laptop. These results demonstrate the feasibility of deploying large language model-based clinical reasoning at the primary care level in resource-constrained settings without cloud infrastructure.
- Abstract（参考訳）: サハラ以南のアフリカでは、医師と患者の比率が農村部では1:25,000未満に低下することがある。
既存のAI支援診断ツールは、主に信頼性の高いインターネット接続と高仕様のハードウェアを必要としており、地域病院や保健所の医療従事者にとって実用的ではない。
本稿では,サブサハラアフリカにおける低リソース医療状況を対象としたオフラインファースト臨床意思決定支援システムであるAletheiaについて述べる。
Aletheia は Qwen2.5-3B-Instruct, fine-tuned using Quantized Low- Rank Adaptation (QLoRA) に基づいて構築されており、東アフリカで高い有病率を持つ50の疾患条件にまたがる27,000の臨床推論サンプルを収集したデータセットに基づいている。
診断精度は80.0%,Top-3は100.0%,BERTScore-F1は0.909,METEORは0.467であった。
このシステムは0.275の期待校正誤差(ECE)を達成し、African Deep Tech Challenge 2026(ADTC 2026)のメモリ予算制約を7168MBに越え、標準のベンチマークラップトップ上では最大で3,630MBの推論RAMを達成している。
これらの結果は,クラウドインフラのない資源制約設定において,大規模言語モデルに基づく臨床推論をプライマリケアレベルに展開する可能性を示している。
関連論文リスト
- IyàwóBench: A Benchmark for Evaluating Large Language Model Clinical Triage Accuracy on Undifferentiated Febrile Illness in Nigerian Primary Health Settings [0.0]
ナイジェリアでは、未分化の胎児病がプライマリケアの外来訪問の主な原因となっている。
大規模言語モデル(LLM)の臨床トリアージ推論を評価するための検証済みのベンチマークは存在しない。
IywBench v1.0は8つの女性病カテゴリにまたがる200種類の合成臨床ヴィニネットのデータセットである。
論文 参考訳（メタデータ） (2026-05-22T10:25:51Z) - Adversarial Fragility and Language Vulnerability in Clinical AI: A Systematic Audit of Diagnostic Collapse Under Imperceptible Perturbations and Cross-Lingual Drift in Low-Resource Healthcare Settings [0.0]
本研究は, 臨床用AIにおける2つの安全性の脆弱性について, 対向画像の脆弱性と言語間診断ドリフトの2つの脆弱性について, 初めて系統的二重検査を行ったものである。
COVID-QU-Ex胸部X線データセットを微調整したDenseNet121を用いて、診断精度が89.3%から62.0%に低下することを示した。
Llama3.1:8bおよびNatLAS(NLASAT)を標準英語、ナイジェリア・ピジン(ナイジャ)、ヨルバ・インフレクテッド・インフレクテッド・イングリッシュ(英語版)で紹介した。
論文 参考訳（メタデータ） (2026-05-16T13:33:47Z) - A medical coding language model trained on clinical narratives from a population-wide cohort of 1.8 million patients [2.2666010316046075]
既存の自動化の取り組みは、現実世界の患者の不均一性を粗末に表現する小さなデータセットに依存している。
我々は、東デンマークのほぼすべての専門分野(2006-2016)で18万人の患者から得た580万の電子健康記録を言語モデルでトレーニングし、ICD-10コードを予測する。
論文 参考訳（メタデータ） (2026-02-27T18:54:43Z) - ClinAlign: Scaling Healthcare Alignment from Clinician Preference [46.61989657665566]
今回,HealthRubricsについて紹介する。
119は広く再利用され、臨床的に根ざした原則である。
私たちのフレームワークでトレーニングされた30B-A3BモデルはHealthBench-Hardで33.4%を達成した。
論文 参考訳（メタデータ） (2026-02-10T11:02:57Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。
本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。
本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
論文 参考訳（メタデータ） (2025-10-21T17:18:55Z) - Retrieval-Augmented Clinical Benchmarking for Contextual Model Testing in Kenyan Primary Care: A Methodology Paper [0.609562679184219]
大規模言語モデル(LLM)は、低リソース環境での医療アクセスを改善するという約束を持っているが、アフリカのプライマリケアにおけるそれらの効果は、まだ探索されていない。
ケニアのレベル2と3の臨床ケアに焦点を当てたベンチマークデータセットと評価フレームワークを作成するための方法論を提案する。
本手法は,ケニアの全国ガイドラインに臨床質問を根拠として,地域標準との整合性を確保するためにRAG (Regegration augmented generation) を用いている。
論文 参考訳（メタデータ） (2025-07-19T13:25:26Z) - 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) - A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。
光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。
トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
論文 参考訳（メタデータ） (2025-04-22T14:17:22Z)
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。