Fugu-MT 論文翻訳(概要): MedAide: Information Fusion and Anatomy of Medical Intents via LLM-based Agent Collaboration

論文の概要: MedAide: Information Fusion and Anatomy of Medical Intents via LLM-based Agent Collaboration

arxiv url: http://arxiv.org/abs/2410.12532v3
Date: Thu, 03 Jul 2025 13:02:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-04 15:37:12.882904
Title: MedAide: Information Fusion and Anatomy of Medical Intents via LLM-based Agent Collaboration
Title（参考訳）: メドエイド : LLMを用いたエージェントコラボレーションによる生体情報融合と解剖
Authors: Dingkang Yang, Jinjie Wei, Mingcheng Li, Jiyao Liu, Lihao Liu, Ming Hu, Junjun He, Yakun Ju, Wei Zhou, Yang Liu, Lihua Zhang,
Abstract要約: MedAideは、意図認識情報融合と協調推論を可能にするために設計された医療用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。我々は,構文制約と検索拡張生成を組み合わせた正規化誘導モジュールを導入し,複雑なクエリを分解する。また,エージェントの意図の適応認識と更新を実現するために,動的意図のプロトタイプマッチングモジュールを提案する。
参考スコア（独自算出の注目度）: 19.951977369610983
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In healthcare intelligence, the ability to fuse heterogeneous, multi-intent information from diverse clinical sources is fundamental to building reliable decision-making systems. Large Language Model (LLM)-driven information interaction systems currently showing potential promise in the healthcare domain. Nevertheless, they often suffer from information redundancy and coupling when dealing with complex medical intents, leading to severe hallucinations and performance bottlenecks. To this end, we propose MedAide, an LLM-based medical multi-agent collaboration framework designed to enable intent-aware information fusion and coordinated reasoning across specialized healthcare domains. Specifically, we introduce a regularization-guided module that combines syntactic constraints with retrieval augmented generation to decompose complex queries into structured representations, facilitating fine-grained clinical information fusion and intent resolution. Additionally, a dynamic intent prototype matching module is proposed to utilize dynamic prototype representation with a semantic similarity matching mechanism to achieve adaptive recognition and updating of the agent's intent in multi-round healthcare dialogues. Ultimately, we design a rotation agent collaboration mechanism that introduces dynamic role rotation and decision-level information fusion across specialized medical agents. Extensive experiments are conducted on four medical benchmarks with composite intents. Experimental results from automated metrics and expert doctor evaluations show that MedAide outperforms current LLMs and improves their medical proficiency and strategic reasoning.
Abstract（参考訳）: 医療インテリジェンスにおいて、多様な臨床ソースから異質で多義的な情報を融合する能力は、信頼できる意思決定システムの構築に不可欠である。大規模言語モデル(LLM)による情報インタラクションシステムは、現在、医療領域において潜在的に有望であることを示している。それでも、複雑な医学的意図を扱う際に情報冗長性と結合に悩まされることが多く、深刻な幻覚とパフォーマンスのボトルネックにつながる。この目的のために, 専門医療領域間での意図認識情報融合と協調推論を実現するための, LLM ベースの医療マルチエージェント協調フレームワーク MedAide を提案する。具体的には、構文制約と検索拡張生成を組み合わせた正規化誘導モジュールを導入し、複雑なクエリを構造化表現に分解し、詳細な臨床情報融合と意図分解を容易にする。さらに,マルチラウンド医療対話におけるエージェントの意図の適応認識と更新を実現するために,意味的類似性マッチング機構を備えた動的プロトタイプ表現を利用するために,動的意図のプロトタイプマッチングモジュールを提案する。最終的には、ダイナミックなロールローテーションと決定レベルの情報融合を専門の医療機関に導入するローテーションエージェント協調機構を設計する。総合的な実験は、複合的な意図を持つ4つの医療ベンチマークで実施される。自動測定と専門医の評価による実験結果から,MedAide は現在の LLM よりも優れ,医療能力と戦略的推論を改善することが示された。

関連論文リスト

Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。本稿では,構造化医療推論を利用した新しいアプローチを提案する。我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
論文参考訳（メタデータ） (2025-03-05T05:24:55Z)
MedHallBench: A New Benchmark for Assessing Hallucination in Medical Large Language Models [0.0]
医療大言語モデル(MLLM)は医療応用の可能性を示している。幻覚に対する寛容性は、患者医療に重大なリスクをもたらす。本稿では,MLLMにおける幻覚の評価と緩和のためのベンチマークフレームワークであるMedHallBenchを紹介する。
論文参考訳（メタデータ） (2024-12-25T16:51:29Z)
Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
論文参考訳（メタデータ） (2024-11-14T06:19:18Z)
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)
MDAgents: An Adaptive Collaboration of LLMs for Medical Decision-Making [45.74980058831342]
MDAgents(Medical Decision-making Agents)と呼ばれる新しいマルチエージェントフレームワークを導入する。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、手元にある医療タスクに合わせて調整される。 MDAgentsは医療知識の理解を必要とするタスクに関する10のベンチマークのうち7つのベンチマークで最高のパフォーマンスを達成した。
論文参考訳（メタデータ） (2024-04-22T06:30:05Z)
MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
論文参考訳（メタデータ） (2024-03-11T10:57:45Z)
Asclepius: A Spectrum Evaluation Benchmark for Medical Multi-Modal Large Language Models [59.60384461302662]
医療マルチモーダル大言語モデル(Med-MLLM)を評価するための新しいベンチマークであるAsclepiusを紹介する。 Asclepiusは、異なる医療専門性と異なる診断能力の観点から、モデル能力の厳密かつ包括的に評価する。また、6つのMed-MLLMの詳細な分析を行い、5人の専門家と比較した。
論文参考訳（メタデータ） (2024-02-17T08:04:23Z)
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)
Large Language Models Illuminate a Progressive Pathway to Artificial Healthcare Assistant: A Review [16.008511195589925]
大規模言語モデル(LLM)は、人間のレベルの言語理解と推論を模倣する有望な能力を示している。本稿では,医学におけるLSMの応用と意義について概説する。
論文参考訳（メタデータ） (2023-11-03T13:51:36Z)

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。