論文の概要: "I just assumed that it would translate": examining MT risk awareness among healthcare staff with abbreviations as a use case
- arxiv url: http://arxiv.org/abs/2610.02496v1
- Date: Thu, 01 Oct 2026 21:18:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.089356
- Title: "I just assumed that it would translate": examining MT risk awareness among healthcare staff with abbreviations as a use case
- Title（参考訳）: 医療スタッフのMTリスク意識を事例として検討する
- Abstract要約: イギリスでは、公共医療機関のスタッフが、言語障壁を越えて患者とコミュニケーションする機械翻訳(MT)を報告している。
このような文脈でのMTへの非インフォームド依存は、患者の安全性に深刻な影響を及ぼす可能性がある。
医学的略語は、一時的害から患者の死まで、誤用または/または誤解釈の結果、単言語的にも患者のリスクを増大させるものとして、よく文書化されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the UK, public healthcare staff report turning to machine translation (MT) - predominantly Google Translate (GT) - to communicate with patients across language barriers. Though intended to support their duty of care, potentially uninformed reliance on MT in such contexts could have serious consequences for patient safety. Research nonetheless remains limited on staff awareness of the possible risks posed by higher-stakes MT use in general and with patient medical records in particular, most existing literature instead examining its use in interpersonal situations or with patient-oriented documentation. Moreover, medical abbreviations are well-documented as increasing patient risk even monolingually, with outcomes from their misuse and/or misinterpretation ranging from temporary harm to the death of the patient. Abbreviations were therefore selected as a use case for identifying the potential risks posed by their translation with MT. Contextualised French and Spanish data examples drawn from authoritative clinical corpora and translated via GT were presented during semi-structured interviews to 21 healthcare staff participants in diverse roles and specialties. The results were then subject to qualitative analysis and cross-analysis.
- Abstract（参考訳）: 英国では、公共医療スタッフが機械翻訳(MT)(主にGoogle翻訳(GT))に転換して、言語障壁を越えて患者とコミュニケーションをとると報告している。
ケアの義務を支持することを目的としているが、そのような文脈でのMTへの非インフォームドな依存は、患者の安全に重大な影響をもたらす可能性がある。
それにもかかわらず、MTの使用がもたらすリスクに関するスタッフの意識、特に患者の医療記録についての研究は依然として限られており、既存の文献の多くは、対人的状況や患者指向の文書での使用について調べている。
さらに、医療的略語は、一時的な害から患者の死まで、誤用または/または誤解釈の結果として、単言語的にも患者のリスクを増大させるものとして、十分に文書化されている。
権威ある臨床コーパスから抽出され、GT経由で翻訳されたフランス語とスペイン語のデータ例は、様々な役割や専門分野の21人の医療スタッフに半構造化されたインタビューで提示された。
結果は質的分析とクロス分析の対象となった。
関連論文リスト
- Toward Machine Translation Literacy: How Lay Users Perceive and Rely on Imperfect Translations [31.543560417943898]
本研究では,公立博物館において,言語・非言語利用者の機械翻訳への依存度と精度の誤差がバイリンガルおよび非言語利用者に与える影響を調査する。
評価戦略や代替手段の欠如が原因で,非バイリンガルユーザをMTに過度に頼っている場合が多いが,エラーの影響を経験することで,将来的な信頼性の再評価が促されることが判明した。
論文 参考訳（メタデータ） (2025-10-11T03:45:14Z) - Comparing Large Language Models and Traditional Machine Translation Tools for Translating Medical Consultation Summaries: A Pilot Study [9.136745540182423]
本研究では,大規模言語モデル(LLM)と従来の機械翻訳ツール(MT)が,医療相談要約を英語からアラビア語,中国語,ベトナム語に翻訳する方法について検討した。
その結果,従来型のMTツールの方が,特に複雑なテキストに対して高い性能を示した。
アラビア語の翻訳は、言語の形態によって複雑さが増した。
論文 参考訳（メタデータ） (2025-04-23T10:31:33Z) - 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) - Understanding and Addressing the Under-Translation Problem from the Perspective of Decoding Objective [72.83966378613238]
最新のニューラル・マシン・トランスレーション(NMT)システムでは、アンダー・トランスレーションとオーバー・トランスレーションの2つの課題が残っている。
我々は,NMTにおけるアンダートランスレーションの根本原因を詳細に分析し,デコード目的の観点から解説する。
本研究は,低翻訳の検知器としてEOS(End Of Sentence)予測の信頼性を活用し,低翻訳のリスクが高い候補を罰する信頼性に基づくペナルティを強化することを提案する。
論文 参考訳（メタデータ） (2024-05-29T09:25:49Z) - Physician Detection of Clinical Harm in Machine Translation: Quality
Estimation Aids in Reliance and Backtranslation Identifies Critical Errors [27.13497855061732]
そこで本研究では,ハイテイクな医療環境における意思決定をシミュレーションしたヒト実験を用いて,生体内品質評価のフィードバックを評価する。
品質評価はMTへの適切な依存を改善するが、逆翻訳はQE単独で見逃されるより臨床的に有害なエラーを検出するのに役立つ。
論文 参考訳（メタデータ） (2023-10-25T18:44:14Z) - Lost In Translation: Generating Adversarial Examples Robust to
Round-Trip Translation [66.33340583035374]
本研究は, ラウンドトリップ翻訳における現在のテキスト対逆攻撃の堅牢性に関する包括的研究である。
筆者らは,現在最先端のテキストベースの6つの敵攻撃が,ラウンドトリップ翻訳後の有効性を維持していないことを実証した。
本稿では,機械翻訳を逆例生成のプロセスに組み込むことにより,この問題に対する介入に基づく解決策を提案する。
論文 参考訳（メタデータ） (2023-07-24T04:29:43Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Beyond General Purpose Machine Translation: The Need for
Context-specific Empirical Research to Design for Appropriate User Trust [8.539683760001573]
本稿では,機械翻訳システムにおける信頼性の校正を支援する研究の方向性について論じる。
本研究は,MTシステムの実用化に関する実証的研究を提唱する。
論文 参考訳（メタデータ） (2022-05-13T23:04:22Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Named Entity Recognition in Unstructured Medical Text Documents [0.0]
本研究は、医師が作成したIMEレポートから、名前付きエンティティ認識(NER)を用いて、PII情報を識別・エンコードすることを目的とする。
2つの自然言語処理プラットフォームであるOpenNLPとspurCyのNERツールキットを適用し,その精度,リコール,f測定性能を比較した。
両プラットフォームは, 脱識別時に高い性能(f- measures > 0.9)を達成し, 70-30の試験データ分割でトレーニングした SpaCy モデルが最も高性能であることが確認された。
論文 参考訳（メタデータ） (2021-10-15T03:03:09Z)
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。