論文の概要: Improving Rural Medication Safety with AI: A Scoping Review
- arxiv url: http://arxiv.org/abs/2608.18135v1
- Date: Wed, 29 Jul 2026 03:24:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-23 14:54:39.988338
- Title: Improving Rural Medication Safety with AI: A Scoping Review
- Title（参考訳）: AIによる農村医療の安全性向上 - スコープレビュー
- Abstract要約: 目的は、患者の安全を向上し、農村の健康設定における薬物エラーを減らすために、AI技術の応用と有効性を検討することである。
2012年から2025年にかけて、複数のデータベースにまたがる体系的な文献検索を通じて、スコーピングのレビューが行われた。
- 参考スコア（独自算出の注目度）: 0.4433169165028139
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Introduction: Medication errors (MEs) represent a significant threat to global healthcare systems, contributing to patient harm. Introducing artificial intelligence (AI) in rural healthcare enhances patient safety. The aim is to explore the applications and effectiveness of AI technologies in enhancing patient safety and reducing medication errors in rural health settings. Methods: A scoping review was conducted through a systematic literature search spanning 2012 to 2025 across multiple databases, including EBSCohost, Emcare (Ovid), MEDLINE, and the ProQuest Consumer Health Database. Twelve primary studies from nine different nations were examined. Data were analysed thematically to obtain insights on AI interventions across the medication process. Results: AI technologies have been integrated into every stage of medication management, right from prescribing and dispensing to administration and post-administration monitoring. Four key themes came to light: (1) the various types of AI being utilised (like Clinical Decision Support Systems, Machine Learning, Natural Language Processing, and smart pumps); (2) the phases of the medication process that are affected; (3) how effective these technologies are in minimising errors and boosting workflow safety; and (4) rural-specific challenges including infrastructure, staff training, system integration, and alert fatigue. Several studies have demonstrated that machine learning-based surveillance improves incident detection and reduces prescribing and transcription errors by an impressive 34% to 80%. Barriers included lack of governance frameworks, financial limitations, and clinician resistance, which still present major obstacles. Conclusion: In rural healthcare, AI technologies hold great potential for enhancing pharmaceutical safety. They can allow data-driven monitoring, automate processes, and offer clinical decision assistance.
- Abstract（参考訳）: 導入: 医療ミス(ME)は、世界的な医療システムにとって重大な脅威であり、患者に害を与えている。
農村医療における人工知能(AI)の導入は患者の安全性を高める。
目的は、患者の安全を向上し、農村の健康設定における薬物エラーを減らすために、AI技術の応用と有効性を検討することである。
方法: 2012年から2025年にかけて、EBSCohost、Emcare(Ovid)、MEDLINE、ProQuest Consumer Health Databaseなど、複数のデータベースにまたがる体系的な文献検索を通じて、スコーピングレビューが行われた。
調査対象は9カ国12ヶ国であった。
データは、薬物プロセス全体にわたるAI介入に関する洞察を得るために、数学的に分析された。
結果:AI技術は、処方や配当から管理後監視まで、あらゆる段階の医薬品管理に統合されている。
4つの主要なテーマは,(1)活用されるAIの種類(臨床意思決定支援システム,機械学習,自然言語処理,スマートポンプなど),(2)影響を受ける薬物処理のフェーズ,(3)エラーの最小化とワークフローの安全性の向上,(4)インフラ,スタッフトレーニング,システム統合,アラート疲労など,地方固有の課題である。
いくつかの研究は、機械学習に基づく監視がインシデント検出を改善し、プリスクリプティングと転写エラーを34%から80%削減することを示した。
障害としては、ガバナンスフレームワークの欠如、財政的制限、臨床抵抗などがあったが、これは依然として大きな障害となっている。
結論: 農村医療において、AI技術は医薬品の安全性を高める大きな可能性を秘めている。
データ駆動監視を許可し、プロセスを自動化するとともに、臨床的な意思決定支援を提供する。
関連論文リスト
- A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education [3.9321601638434465]
Generative AI(GenAI)とHuman-Centered AI(HCAI)は、デジタル精神医学やメンタルヘルスケアへのアクセス拡大にますます利用されている。
本総説では, 治療前(スクリーニング/トリアージ), 治療後(遠隔患者モニタリング), 臨床教育, 人口レベルの予防の5つの重要な段階にわたる, AI駆動型メンタルヘルス技術の展望を概観する。
論文 参考訳（メタデータ） (2026-03-17T07:33:29Z) - Industrialized Deception: The Collateral Effects of LLM-Generated Misinformation on Digital Ecosystems [47.03825808787752]
本稿では,文献レビューから実践的対策へ移行する。
本稿では,Large Language Models(LLM)とマルチモーダルシステムによるAI生成コンテンツの改善について報告する。
我々は, LLMに基づく検出, 接種アプローチ, および生成AIの二重利用特性を含む緩和戦略について論じる。
論文 参考訳（メタデータ） (2026-01-29T16:42:22Z) - Artificial Intelligence in Rural Healthcare Delivery: Bridging Gaps and Enhancing Equity through Innovation [3.192479877329154]
農村医療は、インフラの不十分、労働力不足、社会経済的格差など、永続的な課題に直面している。
われわれは、2019年から2024年の間にPubMed、Embase、Web of Science、IEEE Xplore、Scopusから発行された109の研究を体系的にレビューした。
この発見は、予測分析、遠隔医療プラットフォーム、自動診断ツールなど、AIアプリケーションにとって大きな可能性を秘めている。
論文 参考訳（メタデータ） (2025-08-15T17:08:10Z) - 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) - 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) - 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) - Explainable Artificial Intelligence for Medical Applications: A Review [42.33274794442013]
本稿では、説明可能な人工知能(XAI)に関する最近の研究をレビューする。
視覚、オーディオ、マルチモーダルの観点からの医療実践に焦点を当てている。
我々は、将来の研究者や医療専門家に支援とガイダンスを提供することを目的として、これらのプラクティスを分類し、合成することに努めます。
論文 参考訳（メタデータ） (2024-11-15T11:31:06Z) - SoK: Security and Privacy Risks of Healthcare AI [15.655956766190256]
人工知能(AI)と機械学習(ML)を医療システムに統合することは、患者のケアを強化する大きな約束である。
しかし、機密データやシステムの完全性も、サイバー攻撃の可能性を秘めている。
ヘルスケアAIに関する現在のセキュリティとプライバシ(S&P)の研究は、ヘルスケアの展開シナリオと脅威モデルに関して非常に不均衡である。
論文 参考訳（メタデータ） (2024-09-11T16:59:58Z) - Safety challenges of AI in medicine in the era of large language models [23.817939398729955]
大規模言語モデル(LLM)は、医療従事者、患者、研究者に新たな機会を提供する。
AIとLLMはより強力になり、いくつかの医療タスクにおいて超人的パフォーマンスを達成するにつれ、その安全性に対する公衆の懸念が高まっている。
本稿では,LLM時代のAI利用の新たなリスクについて検討する。
論文 参考訳（メタデータ） (2024-09-11T13:47:47Z) - AI-Driven Healthcare: A Review on Ensuring Fairness and Mitigating Bias [4.9325218275489515]
本稿では、医療におけるAIの統合について検討し、バイアスに関連する重要な課題と緩和戦略について述べる。
公平な医療提供を確保するためには、多様なデータセット、公平性に配慮したアルゴリズム、規制フレームワークの必要性を強調します。
論文は、今後の研究への推奨、学際的アプローチの提唱、AI意思決定における透明性、革新的で包括的なAIアプリケーションの開発で締めくくっている。
論文 参考訳（メタデータ） (2024-07-29T02:39:17Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - The Role of Robotics in Infectious Disease Crises [46.43737882437637]
新型コロナウイルスの感染拡大を受け、医療・公共安全・経済システムの課題が浮き彫りになっている。
感染症の流行に伴うエンジニアリング上の課題を予知し、解決する上で、補完的な必要性がある。
技術的能力が向上し、将来ロボットシステムの設置基盤が増加するにつれ、将来の危機においてさらに重要な役割を果たす可能性がある。
論文 参考訳（メタデータ） (2020-10-19T22:54:12Z)
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。