論文の概要: Mobile CT Services for Rural, Regional, and Remote Areas: Current Practice and Future Integration with Telehealth and Regulatory-Authorised AI
- arxiv url: http://arxiv.org/abs/2609.14347v1
- Date: Sun, 13 Sep 2026 07:12:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.798899
- Title: Mobile CT Services for Rural, Regional, and Remote Areas: Current Practice and Future Integration with Telehealth and Regulatory-Authorised AI
- Title（参考訳）: 農村・地域・遠隔地におけるモバイルCTサービス : 遠隔医療と規制認可AIとの連携の現況と将来
- Abstract要約: CTは患者の予後を改善するために臨床ワークフローにおいて重要な役割を担っている。
CT画像と専門的解釈へのアクセスは、特に農村部、地域、遠隔地において制限されている。
モバイルCT、遠隔医療、AIの最近の進歩は、RRR設定の人口に高度なイメージングサービスを拡大する機会を提供する。
- 参考スコア（独自算出の注目度）: 2.2959755993915762
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Computed tomography (CT) plays an essential role in clinical workflow to improve patient outcomes. However, access to CT imaging and specialist interpretation remains limited, particularly in rural, regional, remote (RRR), and other resource-limited settings. Recent advances in mobile CT, telehealth, and artificial intelligence (AI) provide opportunities to extend advanced imaging services to populations in RRR settings. This review examines: 1) mobile CT systems deployed in trucks, trailers, ambulances, and other mobile platforms; 2) telehealth technologies supporting CT-based healthcare; and 3) AI for CT that has received regulatory authorisation or is currently deployed in clinical practice. Applications are evaluated across four clinical functions: screening and diagnosis, patient monitoring, risk prediction, and intervention or therapeutic decision support. The review covers neurological, thoracic, cardiovascular, abdominal, oncological, musculoskeletal, and interventional imaging, with particular attention to stroke, cancer, and other image-guided treatment. Other factors such as regulatory status, deployment status, and estimated technology readiness (TRL) level are compared. Current evidence indicates that mobile CT, telehealth, and AI for conventional CT are individually relatively mature, but fully integration of these technologies remains less widely deployed and validated in the clinical settings. Key barriers include regulatory variation, domain shift, connectivity requirements, cost, workflow integration, cybersecurity, and limited evidence of patient-level benefit. Future research should prioritise prospective, multicentre evaluation of integrated CT systems in real-world and underserved clinical settings.
- Abstract（参考訳）: CT(Computed tomography)は,患者の予後を改善するために臨床ワークフローにおいて重要な役割を担っている。
しかし、CT画像や専門的解釈へのアクセスは、特に田園部、地域、遠隔(RRR)、その他のリソース制限の設定において制限されている。
モバイルCT、遠隔医療、人工知能(AI)の最近の進歩は、RRR設定の人口に高度なイメージングサービスを拡大する機会を提供する。
このレビューは以下の通りである。
1)トラック,トレーラー,救急車その他の移動台に配備される移動式CTシステム
2)CTベースの医療を支える遠隔医療技術
3)CT用AIは,規制の認可を受けたか,あるいは現在臨床実践中である。
応用は、スクリーニングと診断、患者のモニタリング、リスク予測、介入または治療決定支援の4つの臨床機能で評価される。
本総説は, 脳卒中, 癌, その他の画像誘導療法を対象とし, 神経学的, 胸部, 心血管, 腹部, 腫瘍学的, 筋骨格的, 介入的画像撮影を対象とする。
その他の要因として、規制状況、配備状況、推定技術準備(TRL)レベルの比較がある。
現在の証拠は、従来のCTの移動体CT、遠隔医療、AIは比較的成熟しているが、これらの技術の完全統合は、臨床環境では、広く展開され、検証されていないことを示している。
主な障壁は、規制のバリエーション、ドメインシフト、接続要件、コスト、ワークフロー統合、サイバーセキュリティ、患者レベルのメリットの限られた証拠である。
今後の研究は, 現実的, 保存されていない臨床環境における統合CTシステムの先進的, 多中心的評価を優先すべきである。
関連論文リスト
- Medical world models in healthcare: foundations, applications, and challenges for trustworthy clinical translation [9.298791886645303]
医療の世界モデルは、静的予測を超えて医療人工知能を拡張するためのフレームワークを提供する。
このレビューでは、概念的境界、技術基盤、アプリケーションドメイン、およびフィールドのエビデンス要件を定義します。
論文 参考訳（メタデータ） (2026-07-28T03:35:47Z) - The Path to Self-Evolving Clinical Systems: Scaling Medical Agents from Assistance to Autonomy [33.20812920007743]
この研究は、医療エージェントが実際に信頼される前に、どんなタスク、耐性ベンチマーク、インタラクティブなトレーニング環境が必要なのかを尋ねる。
医療機関は、部分的に可観測性の下でのシーケンシャルな意思決定システムとして形式化されている。
この枠組みの中では、臨床環境のスケーリング、ツール、データ、臨床体育館の統合が、最も実行可能で未調査の方向として特定されている。
論文 参考訳（メタデータ） (2026-07-13T07:16:50Z) - Remote Teleoperation of Endovascular Intervention Robots: A Systematic Review [32.26398087308459]
本研究の目的は,遠隔操作型血管内ロボットシステムに関する証拠を確定することであった。
機械式または電磁式で駆動される遠隔操作カテーテルとガイドワイヤは、最大7000kmの距離を移動可能であることがわかった。
論文 参考訳（メタデータ） (2026-05-21T10:38:11Z) - Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。
我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。
以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
論文 参考訳（メタデータ） (2026-04-08T17:47:35Z) - The Role of AI in Early Detection of Life-Threatening Diseases: A Retinal Imaging Perspective [10.884863227198975]
我々は最新のOCT/AおよびAO開発、AI/MLアプローチ、mHealth/Tele-ophthalmologyイニシアチブを体系的に合成する。
本稿では,マルチセンタープロトコルの標準化,将来性検証,網膜スクリーニングのシームレス化のためのロードマップを提案する。
論文 参考訳（メタデータ） (2025-05-27T07:19:37Z) - Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。
sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
論文 参考訳（メタデータ） (2025-01-22T13:54:07Z) - Residual Connection Networks in Medical Image Processing: Exploration of ResUnet++ Model Driven by Human Computer Interaction [0.4915744683251151]
本稿では、ResNetとUnet++を組み合わせた高度なハイブリッドモデルであるResUnet++を紹介する。
臨床医と医用画像システムとのシームレスな相互作用を育みながら、腫瘍の検出と局所化を改善するように設計されている。
HCIの原則を取り入れることで、このモデルは直感的でリアルタイムなフィードバックを提供する。
論文 参考訳（メタデータ） (2024-12-30T04:57:26Z) - Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。
本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。
その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for
Multimodal Medical Diagnosis [59.35504779947686]
GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。
評価対象は17の人体システムである。
GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。
疾患の診断と包括的報告作成において重大な課題に直面している。
論文 参考訳（メタデータ） (2023-10-15T18:32:27Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z)
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。