論文の概要: HerHealthGPT: An Evidence-Grounded Conversational AI System for Women's Reproductive Health

• arxiv url: http://arxiv.org/abs/2610.33931v2
• Date: Sat, 31 Oct 2026 00:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 02:41:44.693765
• Title: HerHealthGPT: An Evidence-Grounded Conversational AI System for Women's Reproductive Health
• Title（参考訳）: HerHealthGPT:女性の生殖医療のための会話型AIシステム
• Abstract要約: HerHealthGPTは、女性の生殖健康の課題に対処するために設計された、エビデンスベースの会話型AIシステムである。 HerHealthGPTは、検索拡張生成(RAG)、コンテキスト認識の明確化、およびソースバリデーションをインタラクティブなWebインターフェースに統合する。
• 参考スコア（独自算出の注目度）: 0.2609784101826761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: "Why is my period late?" Sometimes, the most useful response begins with another question. Yet conversational AI systems may respond to incomplete health queries without seeking essential context or grounding their guidance in verifiable evidence. This paper introduces HerHealthGPT, an evidence-grounded conversational AI system designed to address these challenges in women's reproductive health. HerHealthGPT integrates retrieval-augmented generation (RAG), context-aware clarification, and source validation within an interactive web interface. Rather than responding immediately to incomplete queries, the system maintains conversational context, asks targeted follow-up questions, checks for premature conclusions, and grounds its responses in retrieved evidence. We evaluate the AI components using 540 English messages derived from 90 reproductive-health cases and conduct a prototype questionnaire study with 30 adults. Evidence retrieval improves concern-category accuracy from 54.1% to 59.3% compared with fine-tuning alone. The clarification router achieves 85.6% recall and 86.2% specificity on constructed targets. In the user study, 83.3% of participants preferred the retrieval-enabled configuration, while 25 of 30 considered its follow-up questions relevant. These findings suggest that integrating evidence retrieval with interactive clarification offers a promising approach to more transparent, context-aware reproductive-health information systems, while further clinical validation remains necessary.
• Abstract（参考訳）: 「なぜ私の期間は遅れていますか。 時に、最も有用な応答は別の質問から始まる。 しかし、会話型AIシステムは、本質的なコンテキストを探したり、検証された証拠を根拠にすることなく、不完全な健康クエリに応答する可能性がある。 本稿では,女性の生殖健康におけるこれらの課題に対処するために,エビデンスに基づく会話型AIシステムであるHerHealthGPTを紹介する。 HerHealthGPTは、検索拡張生成(RAG)、コンテキスト認識の明確化、およびソースバリデーションをインタラクティブなWebインターフェースに統合する。 不完全なクエリに即座に応答する代わりに、システムは会話のコンテキストを維持し、ターゲットとするフォローアップ質問、早めの結論のチェック、そしてその応答を検索された証拠に根拠付ける。 我々は,90例の生殖健康症例から得られた540件の英語メッセージをAI成分として評価し,30名の成人を対象に質問紙調査を行った。 エビデンス検索は、微調整のみと比較して、懸念カテゴリーの精度を54.1%から59.3%に改善する。 明確化ルータは85.6%のリコールと86.2%の特定性を達成している。 ユーザ調査では、83.3%の参加者が検索可能な構成を好み、30人中25人がフォローアップ質問について検討した。 これらの結果から,エビデンス検索と対話的明確化の統合は,より透明でコンテキスト対応な生殖健康情報システムに有望なアプローチを提供する一方で,さらなる臨床検証が必要であることが示唆された。

関連論文リスト

• PCQC: Privileged Counterfactual Question Credit for Multi-Turn Medical Dialogue [3.153426964378506]
  そこで我々は,PCQC(Privileged Counterfactual Question Credit)を紹介した。 PCQCの平均診断精度は63.10%で、GRPOとATPOをそれぞれ4.38ポイント、ATPOは4.21ポイント上回っている。
  論文  参考訳（メタデータ） (2026-09-23T12:15:10Z)
• Grounding Large Language Models in Clinical Evidence: A Retrieval-Augmented Generation System for Querying UK NICE Clinical Guidelines [1.9615061725959186]
  本稿では,Large Language Models (LLMs) を用いたNICE (National Institute for Health and Care Excellence) 臨床ガイドラインを検索するための検索型生成システムの開発と評価について述べる。 このシステムの検索アーキテクチャは,300のガイドラインから抽出した10,195個のテキストチャンクのデータベースに対して,ハイブリッドな埋め込み機構によって構成されている。 平均相反ランク(MRR)が0.814、第1チャンクで81%、検索チャンクで99.1%のリコールが7901クエリで評価されている。
  論文  参考訳（メタデータ） (2025-10-03T12:57:13Z)
• Safeguarding Patient Trust in the Age of AI: Tackling Health Misinformation with Explainable AI [0.6323908398583084]
  本稿では,医療情報と戦うためにESSRC INDICATEプロジェクトを通じて開発された説明可能なAIフレームワークを提案する。 17の研究の体系的なレビューにより、医療における透明なAIシステムの必要性が明らかとなった。
  論文  参考訳（メタデータ） (2025-09-04T09:29:34Z)
• Answering real-world clinical questions using large language model based systems [2.2605659089865355]
  大規模言語モデル(LLM)は、出版された文献を要約するか、実世界データ(RWD)に基づいた新しい研究を生成することによって、両方の課題に対処できる可能性がある。 臨床50問に回答する5つのLCMベースのシステムについて検討し,9名の医師に関連性,信頼性,行動性について検討した。
  論文  参考訳（メタデータ） (2024-06-29T22:39:20Z)
• Evaluation of ChatGPT-Generated Medical Responses: A Systematic Review and Meta-Analysis [7.587141771901865]
  ChatGPTのような大規模言語モデルは、医療領域でますます研究されている。 本研究の目的は,ChatGPTの医学的パフォーマンスを評価する上で利用可能な証拠を要約することである。
  論文  参考訳（メタデータ） (2023-10-12T15:26:26Z)
• To ChatGPT, or not to ChatGPT: That is the question! [78.407861566006]
  本研究は,ChatGPT検出における最新の手法を包括的かつ現代的に評価するものである。 我々は、ChatGPTと人間からのプロンプトからなるベンチマークデータセットをキュレートし、医療、オープンQ&A、ファイナンスドメインからの多様な質問を含む。 評価の結果,既存の手法ではChatGPT生成内容を効果的に検出できないことがわかった。
  論文  参考訳（メタデータ） (2023-04-04T03:04:28Z)
• Conformer Based Elderly Speech Recognition System for Alzheimer's Disease Detection [62.23830810096617]
  アルツハイマー病(AD)の早期診断は、予防ケアがさらなる進行を遅らせるのに不可欠である。 本稿では,DementiaBank Pitt コーパスをベースとした最新のコンバータに基づく音声認識システムの開発について述べる。
  論文  参考訳（メタデータ） (2022-06-23T12:50:55Z)
• CAiRE in DialDoc21: Data Augmentation for Information-Seeking Dialogue System [55.43871578056878]
  DialDoc21コンペティションでは,サブタスク1で74.95 F1スコア,60.74 Exact Matchスコア,サブタスク2で37.72 SacreBLEUスコアを達成した。
  論文  参考訳（メタデータ） (2021-06-07T11:40:55Z)
• Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
  HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。 これらの質問は、現在のQAシステムにとって最も難しいものです。 知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。 市販の事前訓練モデルを完全に活用しようと努力しています。
  論文  参考訳（メタデータ） (2020-08-06T02:47:46Z)

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。