健康データプライバシーを柔軟かつ状況に応じて適応的に管理するための新しいモデルを提案する。従来の二値的なプライバシー概念を超え、データの機密性、利用目的、利用者との関係性、時間的側面などを総合的に考慮することで、より適切なプライバシー保護を実現する。
医療分野におけるLLMチェーンは、患者との対話を通じて関連情報を効果的に収集することが重要である。
Lab-AIは、信頼できる医療情報源からの検索支援により、患者の年齢や性別などの要因を考慮した正確な臨床検査の正常範囲を提供する。
LLMを使用して医師-患者の対話を即時に転写し、要約することで、医療提供の効率性を向上させ、より質の高いケアを提供することができる。
LLMと医薬品データの統合により、従来のCDSSの限界を克服し、薬物アレルギー管理の正確性と効率性を向上させる。
医療現場でのLLMの活用を促進するために、Ask Avoは一般的なLLMであるChatGPT-4と比較して、医師の信頼性、実行可能性、関連性、包括性、ユーザーフレンドリーさの全ての指標で優れた成績を収めた。
生成型人工知能技術は、システマティックレビューの自動化、リアルワールドエビデンスの生成、および健康経済モデリングの効率化など、ヘルスケア技術評価の様々な側面で活用できる可能性がある。しかし、科学的妥当性や信頼性、バイアス、公平性、規制および倫理的課題など、慎重に検討すべき課題も存在する。
SmartStateは、研究参加者との複雑な対話を自動化し、プロトコルの遵守を確保するための革新的なシステムである。
高度な言語モデルを用いて、プライバシーを保護しつつ医療データの有用性を維持する合成医療ノートの生成手法を提案する。
医療記録作成におけるAIスクライブの登場は、医師の業務負担を軽減し、患者との対面時間を増やすことができるが、思考プロセスの喪失という課題も存在する。