論文の概要: A Data-Driven Framework for Identifying and Prioritizing RPA Opportunities in Healthcare Processes
- arxiv url: http://arxiv.org/abs/2609.09137v1
- Date: Tue, 08 Sep 2026 17:55:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.712572
- Title: A Data-Driven Framework for Identifying and Prioritizing RPA Opportunities in Healthcare Processes
- Title（参考訳）: 医療プロセスにおけるRPAオプションの特定と優先順位付けのためのデータ駆動フレームワーク
- Abstract要約: ロボット・プロセス・オートメーションの取り組みの30-50%は米国の病院で実行されていないと見積もられている。
これらの決定を統一する4つのモジュール・データ駆動フレームワークを提案する。
このフレームワークは、一次病院のデータに基づいて校正された機器ではなく、文献の概念的な合成である。
- 参考スコア（独自算出の注目度）: 0.808778527821476
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotic Process Automation (RPA) is widely used to reduce administrative burden in United States hospitals, yet an estimated 30-50% of RPA initiatives underperform because processes are selected informally, without a repeatable method to catalogue candidates, prioritize them, match each to an automation tier -- a Python bot, an open-source orchestrator such as n8n, or an enterprise platform such as UiPath -- and forecast financial return before committing resources. We propose a four-module, data-driven framework unifying these decisions: a Process Taxonomy of twenty recurring hospital processes across five value streams; a Prioritization module deriving an Automation Suitability Index from an Analytic Hierarchy Process matrix with an explicit consistency check; a Tool-Tier Selection module recommending the least-cost technology sufficient for a process complexity, integration, and compliance profile; and a Return-on-Investment module quantifying labor savings, error-cost avoidance, payback, and net present value. Applied to a synthetic portfolio spanning all twenty processes, plus a reference data-flow architecture linking it to hospital EHR/payer/ERP systems: 12 of 20 clear the prioritization threshold; the ranking is robust to +/-20% weight perturbation (Spearman correlation 0.83, top-5 set preserved 97.7%, 2,000 Monte Carlo trials); an Automation Risk Index flags four qualifying processes as Critical risk; a budget-constrained portfolio optimization shows diminishing marginal NPV as spend scales from $400K to $1.03M; and a second Monte Carlo analysis shows portfolio NPV stays positive at its 5th percentile. The framework is a conceptual synthesis of the literature rather than an instrument calibrated on primary hospital data; we discuss HIPAA governance and a research agenda for empirical validation. A supplementary Python implementation accompanies the paper.
- Abstract（参考訳）: RPA(Robotic Process Automation)は、米国病院における管理上の負担を軽減するために広く使用されているが、プロセスが非公式に選択され、候補をカタログ化したり、優先順位付けしたり、自動化ティア(Pythonボット、n8nのようなオープンソースのオーケストレータ、UiPathのようなエンタープライズプラットフォーム)にマッチさせたり、リソースをコミットする前に財務的なリターンを予測するため、RPAイニシアチブの30～50%はパフォーマンスが低いと見積もられている。
5つのバリューストリームにまたがる20の繰り返し病院プロセスのプロセス分類、分析階層プロセス行列から分析階層プロセス行列を導出する優先順位付けモジュール、プロセスの複雑さ、統合、コンプライアンスプロファイルに十分な最低コストのテクノロジーを推奨するツール階層選択モジュール、労働省力、エラー回避、返却、返却・投資モジュール。
20のプロセスにまたがる総合ポートフォリオに加え、病院のEHR/ペイアー/ERPシステムにリンクする参照データフローアーキテクチャー:20の20のうち12は優先順位付け基準をクリアし、ランク付けは+/-20%の重量摂動(スピアマン相関 0.83、トップ5は97.7%、モンテカルロ試験 2000)、自動化リスク指数(英語版)は4つの予選プロセスを危機リスクとしてフラグ付け、予算制約のポートフォリオ最適化は、支出規模が400Kから1.03Mに縮小することを示している。
本フレームワークは, 一次病院データに基づいて校正された機器ではなく, 文献を概念的に合成するものであり, HIPAAガバナンスと実証検証のための研究課題について論じる。
補足的なPython実装は、論文に付随する。
関連論文リスト
- When Not to Automate: A Formal Protocol for Human Preservation in AI-Optimized Organizations [0.0]
PHP-AIOは5ゲートのシーケンシャルな決定プロトコルで、最終的な複合チェックが可能である。
ロールレベルで不適切なシステムリスクを定量化し、監査可能な自動化決定を生成する。
自動化、拡張、ハイブリッド、保存といった、異なる結果を生み出します。
論文 参考訳（メタデータ） (2026-07-17T13:27:57Z) - Domain-Adapted Small Language Models with Hybrid Post-Processing: Achieving Cost-Efficient, Low-Latency Multi-Label Structured Prediction via LoRA Fine-Tuning on Scarce Data [6.3745740668603075]
ドメイン固有の構造化評価タスクのための大規模言語モデル(LLM)は、遅延、コスト、データプライバシオーバーヘッドを禁止します。
本稿では,219個のキュレートされた例に対して,小さな言語モデルを微調整し,決定論的ルールベースの後処理層と結合するハイブリッドフレームワークを提案する。
本システムでは,53件の未確認原稿のブラインド評価において,100%の構造的妥当性,83.0%の人間検証精度,および最重要分類分野における100%の精度を実現している。
論文 参考訳（メタデータ） (2026-06-04T07:09:37Z) - ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
$textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。
Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
論文 参考訳（メタデータ） (2026-05-11T16:20:51Z) - The Stochastic Gap: A Markovian Framework for Pre-Deployment Reliability and Oversight-Cost Auditing in Agentic Artificial Intelligence [0.0]
大規模なワークフローは州レベルで十分にサポートされつつ、次のステップの決定に対してかなりの量の盲点を維持できることを示す。
このフレームワークは、大規模なエンタープライズ調達ワークフローで実証されている。
論文 参考訳（メタデータ） (2026-03-25T17:56:11Z) - ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains [0.45880283710344066]
ReqFusionは、ソフトウェア要件の抽出、分類、分析を自動化するAI強化システムである。
アーキテクチャはOpenAI GPT、Anthhropic Claude、Groqモデルを統合し、機能的および非機能的要件を抽出する。
論文 参考訳（メタデータ） (2026-03-24T17:45:40Z) - Benchmarking Multi-Agent LLM Architectures for Financial Document Processing: A Comparative Study of Orchestration Patterns, Cost-Accuracy Tradeoffs and Production Scaling Strategies [0.0]
財務文書から構造化情報を抽出するための4つのマルチエージェントオーケストレーションアーキテクチャを比較した。
反射的アーキテクチャは、最高フィールドレベルF1(0.943)を達成するが、シーケンシャルベースラインのコストは2.3倍である。
本稿では, セマンティックキャッシング, モデルルーティング, 適応再試行戦略に関するアブレーション研究を行い, ハイブリッド構成により, 反射型アーキテクチャの精度の89%を1.15倍のコストで回収できることを実証した。
論文 参考訳（メタデータ） (2026-03-24T00:02:47Z) - ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。
我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
論文 参考訳（メタデータ） (2026-02-27T05:22:01Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - HuggingR$^{4}$: A Progressive Reasoning Framework for Discovering Optimal Model Companions [50.61510609116118]
HuggingR$4$は、Reasoning、Retrieval、Refinement、Reflectionを組み合わせて効率的にモデルを選択する新しいフレームワークである。
作業性率は92.03%、理性率は82.46%に達し、それぞれ26.51%、33.25%を超える。
論文 参考訳（メタデータ） (2025-11-24T03:13:45Z) - Dynamic Template Selection for Output Token Generation Optimization: MLP-Based and Transformer Approaches [0.0]
動的テンプレート選択は応答品質を損なうことなく大幅なコスト削減を実現する。
この研究は、機械学習の理論的基礎を持つ形式的問題定式化、それに対応する複雑性解析を伴う4つのアルゴリズム、生産システム全体にわたる広範な実証検証など、いくつかの重要な要素に貢献している。
論文 参考訳（メタデータ） (2025-11-17T21:00:22Z) - SPARE: Single-Pass Annotation with Reference-Guided Evaluation for Automatic Process Supervision and Reward Modelling [58.05959902776133]
私たちはSingle-Passを紹介します。
Reference-Guided Evaluation (SPARE)は、効率的なステップごとのアノテーションを可能にする新しい構造化フレームワークである。
数学的推論(GSM8K, MATH)、マルチホップ質問応答(MuSiQue-Ans)、空間推論(SpaRP)にまたがる4つの多様なデータセットにおけるSPAREの有効性を実証する。
ProcessBenchでは、SPAREがデータ効率のよいアウト・オブ・ディストリビューションの一般化を実証し、トレーニングサンプルの$sim$16%しか使用していない。
論文 参考訳（メタデータ） (2025-06-18T14:37:59Z) - PIPA: Preference Alignment as Prior-Informed Statistical Estimation [57.24096291517857]
本稿では、RLフリーな統一確率的フレームワークであるPIPA(Pior-Informed Preference Alignment)を紹介する。
PIPAはペアデータとアンペアデータの両方に対応し、回答とステップレベルのアノテーションを提供する。
異なる種類の事前情報を統合することにより,PIPA-MとPIPA-Nの2種類のPIPAを開発した。
論文 参考訳（メタデータ） (2025-02-09T04:31:30Z)
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。