論文の概要: Assessment of Non-Institutional AI Tool Usage Among Clinicians
- arxiv url: http://arxiv.org/abs/2609.11990v1
- Date: Tue, 08 Sep 2026 22:47:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.481598
- Title: Assessment of Non-Institutional AI Tool Usage Among Clinicians
- Title（参考訳）: 臨床医の非機関的AIツール使用の評価
- Abstract要約: 生成人工知能(AI)ツールは、ますますアクセスしやすくなり、臨床全体にわたって効率を向上させる可能性がある。
しかし、臨床医は医療機関が提供、管理、管理していない非機関のAIツールを使用することもある。
アリゾナ大学医学部ツーソン校とバナー大学医療センターツーソン校から来院した臨床医を対象に調査を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence (AI) tools are increasingly accessible and have the potential to improve efficiency across clinical workflows. However, clinicians may also use non-institutional AI tools that are not provided, managed, or governed by their healthcare institutions, creating potential concerns related to privacy, security, accuracy, and clinician-AI interaction. Little is known about how clinicians currently use these tools for work-related tasks. We conducted a descriptive survey of clinicians recruited from the University of Arizona College of Medicine-Tucson and Banner University Medical Center-Tucson between May 20 and June 26, 2026. Participants reported their use of AI tool categories and the frequency with which they used AI for specific tasks across five workload categories: administrative work, clinical work, research, studying/continued education, and teaching. Forty-four respondents completed the survey. Forty-three respondents reported using AI for at least one work-related task during the preceding 6 months. Conversational AI and clinical decision support/diagnostic AI were the most used tool categories, each reported by 28 respondents. Administrative and clinical tasks demonstrated the most frequent use. AI was also used for higher-risk activities, including diagnostic assistance and clinical decision support. Non-institutional AI use was common among surveyed clinicians and extended across a broad range of work-related activities, including tasks with potential implications for clinical reasoning and patient care. Further research is needed to characterize how clinicians use these tools, how they evaluate AI-generated outputs, and how AI can be safely and effectively integrated into clinical workflows.
- Abstract（参考訳）: 生成人工知能(AI)ツールは、ますますアクセスしやすくなり、臨床ワークフロー全体にわたって効率を向上させる可能性がある。
しかし、臨床医は医療機関が提供、管理、管理していない非機関的AIツールを使用し、プライバシー、セキュリティ、正確性、臨床医とAIの相互作用に関する潜在的な懸念を生じさせる可能性がある。
現在、臨床医がこれらのツールを仕事関連のタスクにどのように使っているかについては、ほとんど分かっていない。
2026年5月20日から6月26日にかけて,アリゾナ大学医学部ツーソン・バナー大学医療センターから来院した臨床医の実態調査を行った。
参加者は、AIツールカテゴリの使用頻度と、管理作業、臨床作業、研究、研究・継続教育、教育の5つのワークロードカテゴリでAIを使用した頻度を報告した。
回答者44人が調査を完了した。
過去6ヶ月間にAIを少なくとも1つの作業関連タスクに使用したと回答した回答者は43人だった。
会話型AIと臨床意思決定支援/診断型AIが最も使用されるツールカテゴリであり、それぞれ28人が報告した。
管理的および臨床的なタスクが最も頻繁に使用されることを示した。
AIは、診断補助や臨床決定支援など、リスクの高い活動にも使用された。
非制度的AIの使用は、調査された臨床医の間で一般的であり、臨床推論や患者ケアに影響を及ぼす可能性のあるタスクを含む、幅広い仕事関連の活動に及んだ。
これらのツールの使用方法、AIが生成するアウトプットの評価方法、AIを臨床的ワークフローに安全に効果的に組み込む方法について、さらなる研究が必要である。
関連論文リスト
- How Indian Dermatologists are Utilizing Artificial Intelligence for Clinical Practice and Workflow Management: A Nationwide Survey with a Special Focus on atopic dermatitis [0.7765113779157456]
アトピー性皮膚炎(AD)に焦点をあてて,インド皮膚科医を対象とした定期的な臨床課題のマッピングを行った。
私たちは、臨床上の課題、ADワークフロー障壁、AIの使用、採用障壁、倫理的懸念を評価しました。
現在のAI使用は49.9%と報告されており、多くの場合、文学合成、ドキュメント、学術的なタスクのための一般的な大言語モデルを含んでいる。
論文 参考訳（メタデータ） (2026-06-03T10:18:55Z) - Reverse Physician-AI Relationship: Full-process Clinical Diagnosis Driven by a Large Language Model [71.40113970879219]
医師とAIの関係を逆転させるパラダイムシフトを提案する。
DxDirector-7Bは先進的な深層思考能力を持つLLMであり,医師の関与を最小限に抑えたフルプロセス診断を可能にする。
DxDirector-7Bは診断精度が優れているだけでなく、医師の作業量を大幅に削減する。
論文 参考訳（メタデータ） (2025-08-14T09:51:20Z) - AI-based Clinical Decision Support for Primary Care: A Real-World Study [1.2764851761863103]
介護における大規模言語モデルに基づく臨床意思決定支援の効果について検討した。
我々は、潜在的なドキュメンテーションと臨床的意思決定エラーを特定することによって、臨床医の安全ネットとして機能するツールであるAI Consultを研究した。
論文 参考訳（メタデータ） (2025-07-22T18:37:33Z) - Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。
専門医2名と専門医9名を対象にインタビューを行った。
我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。
既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
論文 参考訳（メタデータ） (2025-05-30T21:15:57Z) - Over-Relying on Reliance: Towards Realistic Evaluations of AI-Based Clinical Decision Support [12.247046469627554]
私たちは、AIのタスクにおける信頼、信頼、受け入れ、パフォーマンスといった評価指標を超えて進むことを提唱します。
私たちはコミュニティに、AIが医療専門家にもたらす創発的な価値を計測する、生態学的に有効な、ドメインに適した研究環境を優先するよう呼びかけています。
論文 参考訳（メタデータ） (2025-04-10T03:28:56Z) - Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。
フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
論文 参考訳（メタデータ） (2024-12-02T15:25:02Z) - 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) - Clinicians' Voice: Fundamental Considerations for XAI in Healthcare [0.0]
臨床医との半構造化インタビューを行い,その考え,希望,懸念について考察した。
私たちのサンプルの臨床医は一般的に、臨床実習のためのAIベースのツールの開発について肯定的に考えます。
彼らは、これらがワークフローにどのように適合し、それが臨床医と患者の関係にどのように影響するかを懸念している。
論文 参考訳（メタデータ） (2024-11-07T16:47:06Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - Large Language Models in the Clinic: A Comprehensive Benchmark [63.21278434331952]
診療所の大規模言語モデル(LLM)をよりよく理解するためのベンチマークであるClimateBenchを構築した。
まず、さまざまな臨床言語の生成、理解、推論タスクを含む11の既存のデータセットを収集します。
次に,現実の実践において複雑だが一般的である6つの新しいデータセットと臨床タスクを構築した。
ゼロショット設定と少数ショット設定の両方で、20個のLDMを広範囲に評価する。
論文 参考訳（メタデータ） (2024-04-25T15:51:06Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - Benchmark datasets driving artificial intelligence development fail to
capture the needs of medical professionals [4.799783526620609]
臨床およびバイオメディカル自然言語処理(NLP)の幅広い領域に関するデータセットとベンチマークのカタログを公開した。
450のNLPデータセットが手動で体系化され、豊富なメタデータで注釈付けされた。
我々の分析は、AIベンチマークの直接臨床関連性は乏しく、臨床医が対応したい仕事のほとんどをカバーできないことを示唆している。
論文 参考訳（メタデータ） (2022-01-18T15:05:28Z)
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。