Bayram Ayadi, Florian Geissler, Johanna Schmidhuber · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31467 · open-access PDF
Da tragbare und digitale Gesundheitssysteme zunehmend längliche physiologische Aufzeichnungen generieren, bleibt die Kommunikation dieser Beobachtungen in einer Patienten-zugänglichen Sprache eine bedeutende Herausforderung. Große Sprachmodelle (LLMs) bieten einen vielversprechenden Mechanismus für die Übersetzung strukturierter klinischer Informationen in lesbare Erzählungen, aber dieser Prozess kann semantische Drift einführen, wo klinisch präzise Bedeutung während der Vereinfachung verzerrt wird.
Machine translation (Meta M2M100); the English original follows.
As wearable and digital health systems increasingly generate longitudinal physiological records, communicating these observations in patient-accessible language remains a significant challenge. Large Language Models (LLMs) offer a promising mechanism for translating structured clinical information into readable narratives, but this process may introduce semantic drift, where clinically precise meaning is distorted during simplification. We investigate evidence-grounded health summarization for menstrual health monitoring using a constrained generation framework that combines structured evidenc
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31467, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange