論文の概要: BanglaMed-QA: A Question Answering System for Healthcare Support in Bangla
- arxiv url: http://arxiv.org/abs/2608.28329v1
- Date: Fri, 28 Aug 2026 13:38:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.341568
- Title: BanglaMed-QA: A Question Answering System for Healthcare Support in Bangla
- Title（参考訳）: BanglaMed-QA : バングラにおける医療支援のための質問応答システム
- Abstract要約: バングラ医療領域向けに設計された堅牢なQAシステムであるBanglaMed-QAを紹介する。
このプロセスは、506の疾患で9つのカテゴリに4,493のQAペアを含む構造化された医療知識ベースを構築することから始まります。
QAシステムの性能は2つの点で評価され, 95%のF1スコアが自動評価であり, 平均的な人的満足度は1.0点中0.9点であった。
- 参考スコア（独自算出の注目度）: 0.6299766708197883
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Medical question answering (QA) systems have become crucial tools for providing reliable health information. But they remain very unexplored for low-resource languages like Bangla due to limited datasets and systems tailored to these languages. To address this, we introduce BanglaMed-QA, a robust QA system specifically designed for the Bangla medical domain. The process begins with building a structured medical knowledge base that includes 4,493 QA pairs in 9 categories under 506 diseases. To improve semantic comprehension, domain-specific root word dictionaries and synonym sets are proposed, in addition to part-of-speech tagging for anaphora resolution. We adopt supervised machine learning models in which SVM is found to be the best model to categorize questions. Multiple similarity metrics, including cosine, Jaccard, BM25, and Levenshtein, are applied with soft and hard voting methods for query matching. The performance of the QA system has been evaluated in two aspects, with a 95% F1 score in an automated evaluation and an average human satisfaction rating of 0.9 out of 1.0. This validates the real-world application of BanglaMed-QA in closing the healthcare information gap for Bangla speakers.
- Abstract（参考訳）: 医療質問応答(QA)システムは、信頼できる健康情報を提供するための重要なツールとなっている。
しかし、これらの言語に合わせた限られたデータセットやシステムのために、Banglaのような低リソース言語については、まだ探索されていない。
そこで本研究では,バングラ医療領域向けに設計された堅牢なQAシステムであるBanglaMed-QAを紹介する。
このプロセスは、506の疾患で9つのカテゴリに4,493のQAペアを含む構造化された医療知識ベースを構築することから始まります。
意味理解を改善するために, アナフォラ分解のための音声タグ付けに加えて, ドメイン固有語辞書と同義語集合を提案する。
我々は、SVMが質問を分類するのに最適なモデルであることが判明した教師付き機械学習モデルを採用する。
cosine, Jaccard, BM25, Levenshteinなど,複数の類似度指標が,クエリマッチングのためのソフトでハードな投票法で適用されている。
QAシステムの性能は2つの点で評価され, 95%のF1スコアが自動評価であり, 平均的な人的満足度は1.0点中0.9点であった。
これにより、Banglaスピーカーの医療情報ギャップを埋めるためのBanglaMed-QAの現実的な応用が検証される。
関連論文リスト
- How Good LLMs Are at Answering Bangla Medical Visual Questions? Dataset and Benchmarking [0.45740558095423056]
バングラ語は世界中で最も広く話されている言語の一つだが、MedVQAベンチマークは確立されていない。
臨床的に検証された画像-問合せ対からなるデータセットであるBanglaMedVQAを紹介する。
分析の結果,Banglaの性能は著しく低下しており,低リソース言語に固有の課題を反映していることがわかった。
論文 参考訳（メタデータ） (2026-05-18T09:20:32Z) - BanglaMedQA and BanglaMMedBench: Evaluating Retrieval-Augmented Generation Strategies for Bangla Biomedical Question Answering [0.13048920509133807]
本稿では,医療人工知能(AI)における推論と検索を評価するために設計された,最初の大規模データセットを紹介する。
この研究は、伝統的、ゼロショットフォールバック、エージェント、反復フィードバック、集約RAGなど、いくつかの検索強化ジェネレーション(RAG)戦略を適用し、ベンチマークする。
実験の結果、Agenic RAGはopenai/gpt-oss-120bで89.54%の精度を達成し、他の構成よりも優れ、より優れた合理的品質を示した。
論文 参考訳（メタデータ） (2025-11-06T17:15:33Z) - Arabic Large Language Models for Medical Text Generation [0.5483130283061118]
本研究では,アラビア語医療用テキスト生成のための大規模言語モデル(LLM)を提案する。
このシステムは、正確な医療アドバイス、診断、薬物レコメンデーション、およびユーザ入力に基づく治療計画を提供することによって、患者を支援するように設計されている。
論文 参考訳（メタデータ） (2025-09-12T09:37:26Z) - MedQARo: A Large-Scale Benchmark for Medical Question Answering in Romanian [50.767415194856135]
ルーマニア初の大規模医療QAベンチマークであるMedQARoを紹介する。
がん患者に関連する102,646のQAペアからなる高品質で大規模なデータセットを構築した。
論文 参考訳（メタデータ） (2025-08-22T13:48:37Z) - MedGemma Technical Report [75.88152277443179]
MedGemmaは、Gemma 3 4Bと27Bをベースとした医療ビジョン言語基盤モデルの集合体である。
MedGemmaは、画像とテキストの高度な医学的理解と推論を実証する。
また、SigLIPから派生した医用目視エンコーダであるMedSigLIPを紹介する。
論文 参考訳（メタデータ） (2025-07-07T17:01:44Z) - PerMedCQA: Benchmarking Large Language Models on Medical Consumer Question Answering in Persian Language [0.1747623282473278]
PerMedCQAは、医療消費者の質問応答のための大規模な言語モデルを評価するためのペルシア語による最初のベンチマークである。
LLMグレーダによって駆動される新しい評価フレームワークであるMedJudgeを用いて、最先端の多言語および命令調整型LLMを評価した。
本研究は,多言語医療QAにおける重要な課題を浮き彫りにして,より正確でコンテキスト対応の医療支援システムの開発に有用な知見を提供するものである。
論文 参考訳（メタデータ） (2025-05-23T19:39:01Z) - Word-Sequence Entropy: Towards Uncertainty Estimation in Free-Form Medical Question Answering Applications and Beyond [52.246494389096654]
本稿ではワードシーケンスエントロピー(WSE)を紹介し,単語レベルとシーケンスレベルの不確実性を校正する手法を提案する。
We compare WSE with six baseline method on five free-form medical QA datasets, using 7 popular large language model (LLMs)。
論文 参考訳（メタデータ） (2024-02-22T03:46:08Z) - XAIQA: Explainer-Based Data Augmentation for Extractive Question
Answering [1.1867812760085572]
我々は,電子カルテで自然に利用可能なデータから,合成QAペアを大規模に生成するための新しいアプローチであるXAIQAを紹介する。
本手法は、分類モデル説明器の考え方を用いて、医療規範に対応する医療概念に関する質問や回答を生成する。
論文 参考訳（メタデータ） (2023-12-06T15:59:06Z) - PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。
LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。
PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文 参考訳（メタデータ） (2023-04-27T18:29:05Z) - Medical Question Understanding and Answering with Knowledge Grounding
and Semantic Self-Supervision [53.692793122749414]
本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。
我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。
システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
論文 参考訳（メタデータ） (2022-09-30T08:20:32Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳（メタデータ） (2021-02-10T13:00:29Z)
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。