論文の概要: Enhancing Thyroid Cytology Diagnosis with RAG-Optimized LLMs and Pa-thology Foundation Models

• arxiv url: http://arxiv.org/abs/2505.08590v1
• Date: Tue, 13 May 2025 14:01:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.598003
• Title: Enhancing Thyroid Cytology Diagnosis with RAG-Optimized LLMs and Pa-thology Foundation Models
• Title（参考訳）: RAG最適化LDMとPa-thology Foundation Modelを用いた甲状腺細胞診の強化
• Authors: Hussien Al-Asi, Jordan P Reynolds, Shweta Agarwal, Bryan J Dangott, Aziza Nassar, Zeynettin Akkus,
• Abstract要約: 本研究は,病理基盤モデルを用いたAUC拡張大言語モデル(LLM)の甲状腺診断への応用について検討した。 キュレートされた知識ベースを活用することにより、RAGは関連するケーススタディ、診断基準、専門家の解釈のダイナミック検索を促進する。 これらのAI駆動のアプローチの融合は、診断の整合性を高め、多様性を低下させ、悪性甲状腺病変から良性を排除する病理学者を支援する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Advancements in artificial intelligence (AI) are transforming pathology by integrat-ing large language models (LLMs) with retrieval-augmented generation (RAG) and domain-specific foundation models. This study explores the application of RAG-enhanced LLMs coupled with pathology foundation models for thyroid cytology diagnosis, addressing challenges in cytological interpretation, standardization, and diagnostic accuracy. By leveraging a curated knowledge base, RAG facilitates dy-namic retrieval of relevant case studies, diagnostic criteria, and expert interpreta-tion, improving the contextual understanding of LLMs. Meanwhile, pathology foun-dation models, trained on high-resolution pathology images, refine feature extrac-tion and classification capabilities. The fusion of these AI-driven approaches en-hances diagnostic consistency, reduces variability, and supports pathologists in dis-tinguishing benign from malignant thyroid lesions. Our results demonstrate that integrating RAG with pathology-specific LLMs significantly improves diagnostic efficiency and interpretability, paving the way for AI-assisted thyroid cytopathology, with foundation model UNI achieving AUC 0.73-0.93 for correct prediction of surgi-cal pathology diagnosis from thyroid cytology samples.
• Abstract（参考訳）: 人工知能(AI)の進歩は、検索強化世代(RAG)とドメイン固有の基礎モデルとを統合した大型言語モデル(LLM)によって、病理を変革している。 本研究は, 甲状腺細胞診診断のための病理基盤モデル, 細胞学的解釈, 標準化, 診断精度の課題に対するRAG強化LDMの応用について検討した。 キュレートされた知識ベースを活用することにより、RAGは関連するケーススタディ、診断基準、専門家の解釈をダイナミックに検索し、LLMの文脈的理解を改善する。 一方、高解像度の病理画像、精細な特徴の抽出と分類能力に基づいて訓練された病理ファウンデーションモデルである。 これらのAI駆動のアプローチの融合は、診断の整合性を高め、多様性を低下させ、悪性甲状腺病変から良性を排除する病理学者を支援する。 以上の結果から,RAGと病理組織特異的LLMの併用は診断効率と診断可能性を大幅に向上させ,甲状腺細胞診検体からの肝細胞診診断の精度を高めるための基礎的モデルであるUC 0.73-0.93が得られた。

関連論文リスト

• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [52.106879463828044]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models [49.765466293296186]
  近年,Med-LVLM (Med-LVLMs) の進歩により,対話型診断ツールの新たな可能性が高まっている。 Med-LVLMは、しばしば事実の幻覚に悩まされ、誤った診断につながることがある。 我々は,Med-LVLMの現実性を高めるために,多目的マルチモーダルRAGシステムMMed-RAGを提案する。
  論文  参考訳（メタデータ） (2024-10-16T23:03:27Z)
• TopOC: Topological Deep Learning for Ovarian and Breast Cancer Diagnosis [3.262230127283452]
  トポロジカルデータ分析は、異なる色チャネルにわたるトポロジカルパターンの評価を通じて重要な情報を抽出することで、ユニークなアプローチを提供する。 卵巣癌と乳癌では, トポロジカルな特徴を取り入れることで, 腫瘍型の分化が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2024-10-13T12:24:13Z)
• Foundational Models for Pathology and Endoscopy Images: Application for Gastric Inflammation [0.0]
  ファンデーションモデル(FM)は、多様なデータに基づいて訓練され、幅広いユースケースに適用できる機械学習モデルまたはディープラーニングモデルである。 FMは内視鏡とそれに続く病理画像解析の精度を高めるための有望なソリューションを提供する。 本総説は,FMを臨床実践に組み込むことの複雑さをナビゲートする上で,研究者や実践者にとってのロードマップを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-06-26T10:51:44Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Detecting Histologic & Clinical Glioblastoma Patterns of Prognostic Relevance [6.281092892485014]
  グリオ芽腫は中枢神経系で最も一般的で攻撃的な悪性成人腫瘍である。 18年前に現在の標準治療を採用して以降,実質的な予後改善は認められていない。 ここでは,H&E染色WSIとOSに関する臨床データから,予後関連特性の同定に焦点をあてる。
  論文  参考訳（メタデータ） (2023-02-01T18:56:09Z)

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。