論文の概要: Adaptive Collaboration Strategy for LLMs in Medical Decision Making

• arxiv url: http://arxiv.org/abs/2404.15155v1
• Date: Mon, 22 Apr 2024 06:30:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 13:22:34.249698
• Title: Adaptive Collaboration Strategy for LLMs in Medical Decision Making
• Title（参考訳）: 医療意思決定におけるLCMの適応的協調戦略
• Authors: Yubin Kim, Chanwoo Park, Hyewon Jeong, Yik Siu Chan, Xuhai Xu, Daniel McDuff, Cynthia Breazeal, Hae Won Park,
• Abstract要約: 医療意思決定エージェント(MDAgents, Medical Decision-making Agents, MDAgents)は, LLMの効果的な協調構造を自動的に割り当てることによって, このギャップに対処することを目的としている。 割り当てられた単独またはグループの共同作業構造は、実際の医療決定過程をエミュレートして、手前の医療作業の複雑さに合わせて調整される。 MDAgentsは、マルチモーダル医療推論の理解を必要とする7つのベンチマークのうち5つで最高のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 40.979954284814895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Foundation models have become invaluable in advancing the medical field. Despite their promise, the strategic deployment of LLMs for effective utility in complex medical tasks remains an open question. Our novel framework, Medical Decision-making Agents (MDAgents) aims to address this gap by automatically assigning the effective collaboration structure for LLMs. Assigned solo or group collaboration structure is tailored to the complexity of the medical task at hand, emulating real-world medical decision making processes. We evaluate our framework and baseline methods with state-of-the-art LLMs across a suite of challenging medical benchmarks: MedQA, MedMCQA, PubMedQA, DDXPlus, PMC-VQA, Path-VQA, and MedVidQA, achieving the best performance in 5 out of 7 benchmarks that require an understanding of multi-modal medical reasoning. Ablation studies reveal that MDAgents excels in adapting the number of collaborating agents to optimize efficiency and accuracy, showcasing its robustness in diverse scenarios. We also explore the dynamics of group consensus, offering insights into how collaborative agents could behave in complex clinical team dynamics. Our code can be found at https://github.com/mitmedialab/MDAgents.
• Abstract（参考訳）: 基礎モデルは医療分野を前進させる上で貴重なものとなっている。 それらの約束にもかかわらず、複雑な医療タスクにおける効果的なユーティリティのためのLSMの戦略的展開は、未解決の問題である。 我々の新しい枠組みであるMDAgents(Medical Decision-making Agents)は、LLMの効果的な協調構造を自動的に割り当てることによって、このギャップに対処することを目的としている。 単独またはグループの共同作業構造は、実際の医療決定過程をエミュレートして、手前の医療作業の複雑さに合わせて調整される。 MedQA, MedMCQA, PubMedQA, DDXPlus, PMC-VQA, Path-VQA, MedVidQA, MedVidQAは, マルチモーダル医療推論の理解を必要とする7つのベンチマークのうち5つのベンチマークにおいて, 最高のパフォーマンスを達成している。 アブレーション研究によると、MDAgentsは効率と精度を最適化するために協力剤の数に適応し、多様なシナリオにおいてその堅牢性を示す。 また、グループコンセンサスのダイナミクスを探求し、複雑な臨床チームのダイナミクスにおいて協調エージェントがどのように振る舞うかについての洞察を提供する。 私たちのコードはhttps://github.com/mitmedialab/MDAgents.comにある。

関連論文リスト

• A Demonstration of Adaptive Collaboration of Large Language Models for Medical Decision-Making [38.2229221645303]
  大規模言語モデル(LLM)は、膨大な医療知識とマルチモーダルヘルスデータを合成することで、このプロセスを合理化することを約束する。 我々のMDAgentsは、タスクの複雑さに基づいて協調構造をLLMに動的に割り当てることで、このニーズに対処します。 このフレームワークは、診断精度を改善し、複雑な現実世界の医療シナリオにおける適応応答をサポートする。
  論文  参考訳（メタデータ） (2024-10-31T22:58:08Z)
• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• MedAide: Towards an Omni Medical Aide via Specialized LLM-based Multi-Agent Collaboration [16.062646854608094]
  大規模言語モデル(LLM)による対話システムは、現在医療分野において潜在的に有望であることを示している。 本稿では,医療専門サービスのためのオムニ・メディカル・マルチエージェント・コラボレーション・フレームワークであるMedAideを提案する。
  論文  参考訳（メタデータ） (2024-10-16T13:10:27Z)
• 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)
• Towards Evaluating and Building Versatile Large Language Models for Medicine [57.49547766838095]
  MedS-Benchは大規模言語モデル(LLM)の性能を臨床的に評価するためのベンチマークである。 MedS-Benchは、臨床報告の要約、治療勧告、診断、名前付きエンティティ認識、医療概念説明を含む、11のハイレベルな臨床タスクにまたがる。 MedS-Insは58の医療指向言語コーパスで構成され、112のタスクで1350万のサンプルを収集している。
  論文  参考訳（メタデータ） (2024-08-22T17:01:34Z)
• Agent Hospital: A Simulacrum of Hospital with Evolvable Medical Agents [14.167006531064517]
  治療過程全体をシミュレートした,エージェント病院という病院のシミュラムを紹介した。 すべての患者、看護師、医師は、大規模言語モデル(LLM)を利用した自律型エージェントである。
  論文  参考訳（メタデータ） (2024-05-05T14:53:51Z)
• 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)
• MedAgents: Large Language Models as Collaborators for Zero-shot Medical Reasoning [35.804520192679874]
  大規模言語モデル(LLM)は医療や医療において重大な障壁に直面している。 MedAgentsは医療分野のための新しい多分野連携フレームワークである。 私たちの研究は、現実世界のシナリオに適用可能なゼロショット設定に焦点を当てています。
  論文  参考訳（メタデータ） (2023-11-16T11:47:58Z)
• Towards Medical Artificial General Intelligence via Knowledge-Enhanced Multimodal Pretraining [121.89793208683625]
  医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。 我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-04-26T01:26:19Z)

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。