Fugu-MT 論文翻訳(概要): Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation for Automatic Diagnosis

論文の概要: Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation for Automatic Diagnosis

arxiv url: http://arxiv.org/abs/2401.16107v1
Date: Mon, 29 Jan 2024 12:25:30 GMT
ステータス: 処理完了
システム内更新日: 2024-01-30 14:49:33.321524
Title: Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation for Automatic Diagnosis
Title（参考訳）: 直接診断を超えて: 自動診断のためのLLMベースのマルチスペシャリストエージェントコンサルテーション
Authors: Haochun Wang, Sendong Zhao, Zewen Qiang, Nuwa Xi, Bing Qin, Ting Liu
Abstract要約: 本研究では,潜在的な疾患に対するエージェントの確率分布を適応的に融合させることにより,現実世界の診断過程をモデル化する枠組みを提案する。提案手法では,パラメータ更新とトレーニング時間を大幅に短縮し,効率と実用性を向上する。
参考スコア（独自算出の注目度）: 30.943705201552643
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic diagnosis is a significant application of AI in healthcare, where diagnoses are generated based on the symptom description of patients. Previous works have approached this task directly by modeling the relationship between the normalized symptoms and all possible diseases. However, in the clinical diagnostic process, patients are initially consulted by a general practitioner and, if necessary, referred to specialists in specific domains for a more comprehensive evaluation. The final diagnosis often emerges from a collaborative consultation among medical specialist groups. Recently, large language models have shown impressive capabilities in natural language understanding. In this study, we adopt tuning-free LLM-based agents as medical practitioners and propose the Agent-derived Multi-Specialist Consultation (AMSC) framework to model the diagnosis process in the real world by adaptively fusing probability distributions of agents over potential diseases. Experimental results demonstrate the superiority of our approach compared with baselines. Notably, our approach requires significantly less parameter updating and training time, enhancing efficiency and practical utility. Furthermore, we delve into a novel perspective on the role of implicit symptoms within the context of automatic diagnosis.
Abstract（参考訳）: 自動診断は、患者の症状記述に基づいて診断が生成される医療におけるAIの重要な応用である。これまでの研究は、症状の正常化とあらゆる疾患との関係をモデル化することで、この課題に直接アプローチしてきた。しかし、臨床診断の過程では、患者はまず一般医に相談され、必要に応じて特定の領域の専門家に紹介され、より包括的な評価が行われる。最終診断はしばしば、医療専門家グループ間の共同相談から生じる。近年,自然言語理解における大規模言語モデルが注目されている。本研究では,チューニングフリーのllmベースのエージェントを医療従事者として採用し,潜在的な疾患に対する薬剤の確率分布を適応的に活用し,現実の診断過程をモデル化するエージェント由来多専門家相談(amsc)フレームワークを提案する。実験の結果,ベースラインに比べてアプローチが優れていることが示された。特に,本手法ではパラメータ更新とトレーニング時間を大幅に短縮し,効率と実用性を向上させる。さらに, 自動診断の文脈における暗黙的症状の役割について, 新たな視点を考察する。

関連論文リスト

MAGDA: Multi-agent guideline-driven diagnostic assistance [43.15066219293877]
救急部門、地方病院、または未開発地域の診療所では、臨床医は訓練された放射線技師による高速な画像分析を欠いていることが多い。本研究では,ゼロショットガイドライン駆動意思決定支援のための新しいアプローチを提案する。我々は、患者診断に到達するために協調する、対照的な視覚言語モデルで強化された複数のLLMエージェントのシステムをモデル化する。
論文参考訳（メタデータ） (2024-09-10T09:10:30Z)
RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。実験の結果,提案手法の有効性が示された。
論文参考訳（メタデータ） (2024-08-22T17:44:40Z)
MSDiagnosis: An EMR-based Dataset for Clinical Multi-Step Diagnosis [9.013608944595312]
我々は多段階診断タスクを提案し、臨床診断データセット(MSDiagnosis)に注釈を付ける。本データセットは、一次診断、鑑別診断、最終診断質問を含む。
論文参考訳（メタデータ） (2024-08-19T14:31:57Z)
Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
論文参考訳（メタデータ） (2024-04-04T06:16:35Z)
AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文参考訳（メタデータ） (2024-02-15T06:46:48Z)
A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。診断過程を概説する決定論的アプローチに基づいている。機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文参考訳（メタデータ） (2023-11-26T14:42:31Z)
Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文参考訳（メタデータ） (2023-07-30T16:08:45Z)
OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis [11.775648630734949]
アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。 AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
論文参考訳（メタデータ） (2023-07-03T12:35:03Z)
Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文参考訳（メタデータ） (2022-06-08T03:06:16Z)
Anytime Diagnosis for Reconfiguration [52.77024349608834]
我々は、いつでも直接診断できるflexdiagを紹介し分析する。特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
論文参考訳（メタデータ） (2021-02-19T11:45:52Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。