論文の概要: Federated Sharing and Continuous Improvement of Medical Device Knowledge Artifacts: A Conceptual Model

• arxiv url: http://arxiv.org/abs/2608.24761v1
• Date: Tue, 25 Aug 2026 15:59:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.090464
• Title: Federated Sharing and Continuous Improvement of Medical Device Knowledge Artifacts: A Conceptual Model
• Title（参考訳）: 医療機器知識アーティファクトのフェデレーション共有と継続的な改善--概念モデル
• Abstract要約: デジタル生産施設を持つ医療センターは、ケア中にデバイスデザインを作成する。 他のサイトは、適切なデザインを見つけるのに苦労するかもしれないし、スタッフがそれを使ったとき何が起きたかを学ぶのに苦労するかもしれない。 モバイル医療センターは、病院システムから離れるとアクセスを失う可能性がある。 本稿では,フェデレートされた交換インフラのためのアーティファクトセントレッドモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Healthcare organisations use digital systems to exchange information from clinical cases. Medical centres with digital production facilities create device designs during care. These designs and production records often remain at the site that made them. Other sites may struggle to find a suitable design or learn what happened when staff used it. Mobile medical centres may also lose access when they work away from hospital systems. This paper proposes an artifact-centred model for a federated exchange infrastructure that lets hospitals and mobile medical centres share and improve medical knowledge while controlling their own records and decisions. An integrative literature review screened 910 records and mapped 240 publications across six questions. We read 72 publications in detail to trace the path from local use to a decision about shared knowledge. The review found no common process that links a record of local use to a decision about changing the knowledge shared with later users. The model keeps case data at each site and records which artifact version informed each use. Federation lets sites share reviewed versions and return records from use for review. Mobile units can receive artifacts before deployment and record their use while offline. After reconnecting, they can exchange these records with other sites. Point-of-care manufacturing shows how a medical device knowledge artifact connects a design to production records while the care site controls product release. Federation could form a governed learning network where one site's experience improves medical knowledge artifacts used elsewhere while authority remains local.
• Abstract（参考訳）: 医療機関は、臨床ケースから情報を交換するためにデジタルシステムを使用する。 デジタル生産施設を持つ医療センターは、ケア中にデバイスデザインを作成する。 これらのデザインと製造記録は、しばしばそれらを作った場所に残されている。 他のサイトは、適切なデザインを見つけるのに苦労するかもしれないし、スタッフがそれを使ったとき何が起きたかを学ぶのに苦労するかもしれない。 モバイル医療センターは、病院システムから離れるとアクセスを失う可能性がある。 本稿では, 病院や移動医療センターが医療知識を共有し, 記録や意思決定を制御しながら, 共有し, 改善することのできる, 連携交換基盤のアーティファクト中心モデルを提案する。 総合的な文献レビューでは、910のレコードをスクリーニングし、6つの質問に240の出版物をマッピングした。 我々は、地域利用から共有知識に関する決定に至る道筋をたどるために、72の論文を詳細に読んだ。 レビューでは、ローカル使用の記録と、後のユーザと共有する知識の変更に関する決定を結びつける、一般的なプロセスは見つからなかった。 モデルは各サイトにケースデータを保持し、どのアーティファクトバージョンがそれぞれの使用を通知したかを記録する。 Federationは、レビューされたバージョンを共有し、レビューのために使用したレコードを返却する。 モバイルユニットはデプロイ前にアーティファクトを受け取り、オフラインで使用を記録することができる。 再接続後、これらのレコードを他のサイトと交換することができる。 ポイント・オブ・ケア製造は、医療機器の知識アーティファクトがデザインと生産記録を接続し、ケアサイトが製品のリリースを制御する方法を示している。 フェデレーションは、あるサイトの経験が他の場所で使われる医療知識のアーティファクトを改善する一方で、権威はローカルのままである、支配的な学習ネットワークを形成することができる。

関連論文リスト

• MedScore: Generalizable Factuality Evaluation of Free-Form Medical Answers by Domain-adapted Claim Decomposition and Verification [51.82420076479152]
  MedScoreは、医学的回答を条件対応の有効な事実に分解し、ドメイン内コーパスに対する検証を行うための新しいパイプラインである。 提案手法は,既存の方法に比べて最大3倍有効な事実を抽出し,幻覚や曖昧な参照を低減し,事実の条件依存性を維持する。
  論文  参考訳（メタデータ） (2025-05-24T01:23:09Z)
• FactsR: A Safer Method for Producing High Quality Healthcare Documentation [4.179214819734853]
  本稿では,医療相談と並行して,健康な臨床情報をリアルタイムに抽出するFactsについて紹介する。 FactsR法は, ノート生成のクリニアン・イン・ザ・ループを配置することにより, より正確かつ簡潔な音符を生成する。
  論文  参考訳（メタデータ） (2025-05-15T14:51:22Z)
• Fact or Guesswork? Evaluating Large Language Models' Medical Knowledge with Structured One-Hop Judgments [108.55277188617035]
  大規模言語モデル(LLM)は、様々な下流タスクドメインで広く採用されているが、実際の医学的知識を直接呼び起こし、適用する能力は、まだ探索されていない。 標準化された語彙と知識グラフの包括的なリポジトリであるUMLS(Unified Medical Language System)から派生したデータセットであるMKJ(Messical Knowledge Judgment dataset)を紹介する。 バイナリ分類フレームワークを通じて、MKJは、簡潔なワンホップ文の妥当性を評価することによって、LCMが基本的な医学的事実を把握できることを評価する。
  論文  参考訳（メタデータ） (2025-02-20T05:27:51Z)
• A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
  ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。 胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。 医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T17:55:02Z)
• Editing Factual Knowledge and Explanatory Ability of Medical Large Language Models [89.13883089162951]
  モデル編集は、大きな言語モデル(LLM)の振る舞いを、特定の知識に関連して正確に変更することを目的としている。 このアプローチは、LLMにおける幻覚や時代遅れの情報の問題に対処する上で有効であることが証明されている。 しかし、医療分野における知識の修正にモデル編集を用いることの可能性はほとんど解明されていない。
  論文  参考訳（メタデータ） (2024-02-28T06:40:57Z)
• Comparing Knowledge Sources for Open-Domain Scientific Claim Verification [6.726255259929497]
  PubMedは特殊なバイオメディカルクレームとうまく連携するが、Wikipediaは日常的な健康問題に向いている。 結果について議論し、頻繁な検索パターンと課題を概説し、将来有望な方向性を提供する。
  論文  参考訳（メタデータ） (2024-02-05T09:57:15Z)
• Validating transformers for redaction of text from electronic health records in real-world healthcare [1.561423634851244]
  私たちは、トランスフォーマーベースのモデルであるAnonCATを紹介します。 AnonCATは、3つの英国病院からの実際の文書を手動で注釈付けするプロセスを通じて訓練された。 本研究は,グローバル医療データにおけるリアクションの効率と精度を向上させるための深層学習技術の可能性を示すものである。
  論文  参考訳（メタデータ） (2023-10-05T19:10:18Z)
• Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
  本稿では,Re$3$Writer法を提案する。 本手法が患者の退院指示生成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:34:39Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• CoVERT: A Corpus of Fact-checked Biomedical COVID-19 Tweets [10.536415845097661]
  CoVERTは事実確認されたツイートのコーパスで、バイオメディシンと新型コロナウイルス関連の情報(ミス)に焦点を当てている。 我々は、新しいクラウドソーシング手法を用いて、すべてのツイートにファクトチェックラベルを付加し、クラウドワーカーがオンラインで検索する証拠を支持する。 得られたエビデンス抽出をファクトチェックパイプラインの一部として使用し、実世界のエビデンスの方が、事前訓練された言語モデルで間接的に利用できる知識よりも有用であることを確認した。
  論文  参考訳（メタデータ） (2022-04-26T09:05:03Z)
• Access to care: analysis of the geographical distribution of healthcare using Linked Open Data [0.03670008893193884]
  本研究は,世界中の医療施設の包括的セマンティックデータセットの作成に焦点を当てている。 我々は、各データソースを、完全性、正確性、および他のソースとの相互接続など、さまざまな次元に沿って評価する。
  論文  参考訳（メタデータ） (2022-04-11T15:51:56Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Federated and continual learning for classification tasks in a society of devices [59.45414406974091]
  Light Federated and Continual Consensus (LFedCon2)は、軽量で伝統的な学習者を用いた新しいフェデレーションおよび継続アーキテクチャである。 我々の方法では、スマートフォンやロボットのような無力デバイスが、リアルタイムで、ローカルで、継続的に、自律的に、そしてユーザーから学習することができる。 提案手法をスマートフォン利用者の異種コミュニティに適用し,歩行認識の課題を解決した。
  論文  参考訳（メタデータ） (2020-06-12T12:37:03Z)

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。