要約
離散イベントシミュレーション（DES）は、ヘルスケア運用研究で広く使用されていますが、モデル自体が共有されることはめったにありません。
これにより、モデリングコミュニティとヘルスケアコミュニティにおける再利用と長期的な影響の可能性が制限されます。
この研究では、生成人工知能（AI）を使用して、アカデミックジャーナルで提供されている説明に基づいて、無料およびオープンソースソフトウェア（FOSS）を使用して公開されたモデルを再作成する可能性を調査します。
構造化された方法論を使用して、ユーザーインターフェイスを含む2つのDESモデルを生成、テスト、および内部で再現しました。
報告された結果は、分布に関する情報が欠落しているため、おそらく1つのモデルでは再現されていません。
これらのモデルは、これまでに公開されたAI生成されたDESモデルよりも大幅に複雑です。
迅速なエンジニアリング、コード生成、モデルテストで直面した課題を考えると、モデル開発、体系的な比較、テストへの反復アプローチ、およびチームの専門知識が再現されたシミュレーションモデルの成功に必要であると結論付けます。
要約(オリジナル)
Discrete-event simulation (DES) is widely used in healthcare Operations Research, but the models themselves are rarely shared. This limits their potential for reuse and long-term impact in the modelling and healthcare communities. This study explores the feasibility of using generative artificial intelligence (AI) to recreate published models using Free and Open Source Software (FOSS), based on the descriptions provided in an academic journal. Using a structured methodology, we successfully generated, tested and internally reproduced two DES models, including user interfaces. The reported results were replicated for one model, but not the other, likely due to missing information on distributions. These models are substantially more complex than AI-generated DES models published to date. Given the challenges we faced in prompt engineering, code generation, and model testing, we conclude that our iterative approach to model development, systematic comparison and testing, and the expertise of our team were necessary to the success of our recreated simulation models.
arxiv情報
| 著者 | Thomas Monks,Alison Harper,Amy Heather |
| 発行日 | 2025-03-27 16:10:02+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google