論文の概要: Defining and Categorising Human-AI Interactions in Clinical Trials: A Multidimensional Human-AI Classification Approach
- arxiv url: http://arxiv.org/abs/2609.38559v1
- Date: Tue, 29 Sep 2026 21:18:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.75248
- Title: Defining and Categorising Human-AI Interactions in Clinical Trials: A Multidimensional Human-AI Classification Approach
- Title（参考訳）: 臨床試験におけるヒューマンAIインタラクションの定義と分類:多次元ヒューマンAI分類アプローチ
- Abstract要約: 本稿では,臨床試験におけるヒト-AI相互作用(HAII)について検討する。
このフレームワークは、AIタスク、人間とAIの関係性、相互作用構成、相互作用する人間グループに応じてインタラクションを分類する多次元分類フレームワークを提供する。
- 参考スコア（独自算出の注目度）: 0.043975202913406945
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper examines human-AI interactions (HAIIs) in clinical trials and presents a multidimensional categorisation framework that classifies interactions according to AI tasks, human-AI relationships, interaction configurations and interacting human groups. We define HAII, examine existing taxonomies and extend existing categorisation approaches through this novel multidimensional framework. We purposively sampled 15 clinical trials from a previously reported dataset. Each trial was independently categorised by two human reviewers and six large language model (LLM) classifiers. The proposed categorisation provides a structured method for the consistent identification, comparison and synthesis of human-AI interactions across clinical-trial records. The framework is intended to support more consistent comparison and synthesis of AI-related clinical trials and to make explicit the different forms of human involvement associated with AI interventions. The results demonstrate the potential for LLM-assisted categorisation while indicating the continuing importance of human judgement where trial records are incomplete or ambiguous. The principal contribution is a proposed multidimensional framework that brings together AI tasks, human-AI relationships, interaction configurations and interacting human groups within a single approach designed for clinical-trial records. Its significance lies in its potential to support more systematic identification, comparison and synthesis of how humans and AI interact in clinical trials.
- Abstract（参考訳）: 本稿では,臨床試験における人間-AIインタラクション(HAII)について検討し,AIタスク,人間-AI関係,相互作用構成,相互作用する人間グループに基づくインタラクションを分類する多次元分類フレームワークを提案する。
我々は、HAIIを定義し、既存の分類を検証し、この新しい多次元フレームワークを通じて既存の分類アプローチを拡張する。
これまでに報告されたデータセットから15の臨床試験を純粋に採取した。
各試験は、2人の人間レビュアーと6つの大きな言語モデル(LLM)分類器によって独立に分類された。
提案する分類法は,臨床・臨床的記録間のヒトとAIの相互作用を一貫した同定,比較,合成を行うための構造的手法を提供する。
このフレームワークは、AI関連の臨床試験のより一貫性のある比較と合成をサポートし、AI介入に関連する人間の関与の異なる形態を明確にすることを目的としている。
実験記録が不完全あるいは曖昧である人的判断の重要性を示唆しつつ, LLM支援分類の可能性を示した。
主な貢献は、AIタスク、人間-AI関係、インタラクション構成、および人間グループ間の相互作用を、臨床・臨床的記録のために設計された単一のアプローチでまとめる多次元フレームワークである。
その重要性は、臨床試験における人間とAIの相互作用のより体系的な識別、比較、合成をサポートする可能性にある。
関連論文リスト
- A Procedure for Classifying Attachments and Affective Social Bonds in Human-Robot Dyads [0.3340971990034025]
人間とロボットの相互作用(HRI)は、人々が人工エージェントと結合し、社会的な結合を形成すると主張している。
本研究では,人間とロボットの結びつきをアタッチメント,情緒的社会的結びつき,あるいは無関係に分類する,標準化された4つのクエスト手順を提案する。
論文 参考訳（メタデータ） (2026-09-24T05:52:28Z) - Adaptive Human-AI Collaboration: A Review of Multimodal Context Modeling, Uncertainty-Aware Intervention, and Longitudinal Co-Adaptation [0.0]
メタ分析の証拠は、人間とAIの組み合わせが、どちらかのパートナーのベストを上回らないことが多いことを示している。
本稿では,クローズドループレンズを用いた適応型人間-AIコラボレーション文献のレビューを行う。
論文 参考訳（メタデータ） (2026-07-29T16:50:49Z) - Trends in AI and Human-AI Interaction in Clinical Trials -- A Hybrid Human-AI Exploration [0.043975202913406945]
この研究は、登録臨床試験におけるヒトとAIの相互作用の傾向を分析するための、探索的ハイブリッドなヒトとAIのアプローチについても報告している。
調査結果は、AI関連の治験が時間とともに顕著に増加したことを示している。
中国と米国はAI関連の裁判で最大の数を占めた。
論文 参考訳（メタデータ） (2026-05-27T20:56:36Z) - Imperfectly Cooperative Human-AI Interactions: Comparing the Impacts of Human and AI Attributes in Simulated and User Studies [25.913918889459552]
AI設計の特徴と人格の特徴は、それぞれが人間とAIの相互作用の品質と結果に影響を与える。
本研究は,2000のシミュレーションと290人の被験者を対象とする並列人体実験からなる,純粋にシミュレーションされたデータセットを比較した。
その結果、純粋にシミュレートされたデータセットと人間の研究データセット、シナリオタイプの違いが明らかになった。
論文 参考訳（メタデータ） (2026-04-17T01:10:34Z) - Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。
これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-21T07:25:10Z) - TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。
本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。
TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
論文 参考訳（メタデータ） (2025-03-26T15:58:16Z) - Inter-X: Towards Versatile Human-Human Interaction Analysis [100.254438708001]
正確な身体の動きと多様な相互作用パターンを持つデータセットであるInter-Xを提案する。
データセットは、1Kの相互作用シーケンスと8.1Mフレーム以上を含む。
また、Inter-Xには34K以上の微粒な人間のテキスト記述の多義アノテーションも備えています。
論文 参考訳（メタデータ） (2023-12-26T13:36:05Z) - Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。
コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
論文 参考訳（メタデータ） (2023-11-26T09:11:32Z) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z) - UX Research on Conversational Human-AI Interaction: A Literature Review
of the ACM Digital Library [3.774026907596324]
我々は,ACM出版物の文献のレビューを行い,UX(ユーザエクスペリエンス)研究を行う一連の著作を同定する。
我々は,ポリアディックCAの効果を,コミュニケーション,エンゲージメント,コネクション,関係維持という,人間と人間の相互作用の4つの側面に定性的に合成する。
以上の結果から,プライバシや開示,識別といった社会的境界によるデザインは,倫理的多面的CAにとって不可欠であることが示唆された。
論文 参考訳（メタデータ） (2022-02-20T19:27:45Z) - Learning Human-Object Interaction Detection using Interaction Points [140.0200950601552]
本研究では,人間と物体の相互作用を直接検出する新しい完全畳み込み手法を提案する。
我々のネットワークは相互作用点を予測し、その相互作用を直接ローカライズし、分類する。
V-COCOとHICO-DETの2つの人気のあるベンチマークで実験が行われる。
論文 参考訳（メタデータ） (2020-03-31T08:42:06Z)
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。