Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Demo: Healthcare Agent Orchestrator (HAO) for Patient Summarization in Molecular Tumor Boards

Created by
  • Haebom

作者

Matthias Blondeel, Noel Codella, Sam Preston, Hao Qiu, Leonardo Schettini, Frank Tuan, Wen-wai Yim, Smitha Saligrama, Mert Oz, Shrey Jain, Matthew P. Lungren, Thomas Osborne

概要

本論文は、多学的腫瘍会議（MTB）で使用される患者要約生成プロセスの効率と正確性を高めるために、大規模言語モデル（LLM）ベースの医療人工知能エージェントであるHealthcare Agent Orchestrator（HAO）を提示します。 HAOはマルチエージェント臨床ワークフローを調整し、正確で包括的な患者概要を作成します。既存の手動方式のLimitationsである労働集約性、主観性、重要な情報の欠落の問題を解決したい。さらに、生成された要約の完全性と簡潔さを評価するための新しい評価フレームワークであるTBFactも提案されています。実験の結果、Patient History agentは重要な情報の94％を捕捉し、TBFactの再現率は0.84を達成した。

Takeaways、Limitations

•
Takeaways：
◦
LLMベースのHAOを使用すると、MTB患者要約生成プロセスの効率と精度を向上させることができます。
◦
TBFactは、機密データ共有なしで患者の要約の完全性と簡潔さを評価できる新しい評価フレームワークを提供します。
◦
HAO と TBFact は、MTB の信頼性とスケーラブルなサポートを提供する堅牢な基盤を構築します。
•
Limitations：
◦
TBFactの評価基準は完璧ではない可能性があり、さまざまなスタイル、順序、同義語の使用、句の違いなどによって正確な評価が困難になる可能性があります。
◦
現在は特定の病院のデータセットに基づいて評価されているので、他のデータセットの一般化性能にはさらなる研究が必要です。
◦
HAOの実際の臨床適用のための追加の検証と安全性評価が必要です。
👍
Made with Slashpage