論文の概要: Medical World Model: Generative Simulation of Tumor Evolution for Treatment Planning

• arxiv url: http://arxiv.org/abs/2506.02327v1
• Date: Mon, 02 Jun 2025 23:50:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.175621
• Title: Medical World Model: Generative Simulation of Tumor Evolution for Treatment Planning
• Title（参考訳）: 医療世界モデル:治療計画のための腫瘍発生シミュレーション
• Authors: Yijun Yang, Zhao-Yang Wang, Qiuping Liu, Shuwen Sun, Kang Wang, Rama Chellappa, Zongwei Zhou, Alan Yuille, Lei Zhu, Yu-Dong Zhang, Jieneng Chen,
• Abstract要約: 臨床診断に基づいて将来の疾患状態を視覚的に予測する医用世界モデル(MeWM)を紹介する。 MeWMは、(i)政策モデルとして機能する視覚言語モデルと、(ii)ダイナミックスモデルとして腫瘍生成モデルから構成される。 シミュレーション後腫瘍に対する生存解析を適用した逆ダイナミクスモデルを提案し,治療効果の評価と最適な臨床行動計画の選択を可能にした。
• 参考スコア（独自算出の注目度）: 50.16114813279694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Providing effective treatment and making informed clinical decisions are essential goals of modern medicine and clinical care. We are interested in simulating disease dynamics for clinical decision-making, leveraging recent advances in large generative models. To this end, we introduce the Medical World Model (MeWM), the first world model in medicine that visually predicts future disease states based on clinical decisions. MeWM comprises (i) vision-language models to serve as policy models, and (ii) tumor generative models as dynamics models. The policy model generates action plans, such as clinical treatments, while the dynamics model simulates tumor progression or regression under given treatment conditions. Building on this, we propose the inverse dynamics model that applies survival analysis to the simulated post-treatment tumor, enabling the evaluation of treatment efficacy and the selection of the optimal clinical action plan. As a result, the proposed MeWM simulates disease dynamics by synthesizing post-treatment tumors, with state-of-the-art specificity in Turing tests evaluated by radiologists. Simultaneously, its inverse dynamics model outperforms medical-specialized GPTs in optimizing individualized treatment protocols across all metrics. Notably, MeWM improves clinical decision-making for interventional physicians, boosting F1-score in selecting the optimal TACE protocol by 13%, paving the way for future integration of medical world models as the second readers.
• Abstract（参考訳）: 効果的な治療を提供することと、インフォームドな臨床決定を行うことは、現代医学と臨床医療の重要な目標である。 我々は, 臨床診断のための疾患動態のシミュレーションに興味を持ち, 大規模遺伝子モデルにおける最近の進歩を活用している。 この目的のために、臨床診断に基づいて将来の疾患状態を視覚的に予測する医療における最初の世界モデルであるメディカルワールドモデル(MeWM)を導入する。 MeWM 構成 (i)政策モデルとして機能する視覚言語モデル、及び (ii) ダイナミックスモデルとしての腫瘍生成モデル。 ポリシーモデルは、臨床治療などのアクションプランを生成し、ダイナミックスモデルは、所定の治療条件下での腫瘍の進行または退縮をシミュレートする。 そこで本研究では, 模擬後腫瘍に対する生存解析を応用した逆ダイナミクスモデルを提案し, 治療効果の評価と最適な臨床行動計画の選択を可能にした。 その結果,MWMは治療後の腫瘍を合成し,放射線医が評価したチューリング試験における最先端の特異性を用いて疾患の動態をシミュレートした。 同時に、その逆ダイナミクスモデルは、すべてのメトリクスにわたって個別化された治療プロトコルを最適化する医療特化GPTよりも優れている。 特に、MeWMは、介入医の臨床的意思決定を改善し、F1スコアを13%引き上げ、医療の世界モデルを第2の読者として統合する道を開く。

関連論文リスト

• Transforming Multimodal Models into Action Models for Radiotherapy [39.682133213072554]
  放射線治療は重要ながん治療であり、腫瘍の保存と健康な組織の根絶のバランスをとるための正確な計画が必要である。 伝統的な治療計画(TP)は、反復的で、時間がかかり、人間の専門知識に依存している。 本稿では,MLM(Multimodal foundation model)を,数発の強化学習アプローチを用いたアクションモデルに変換するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-06T09:51:28Z)
• Modality-Projection Universal Model for Comprehensive Full-Body Medical Imaging Segmentation [11.395596488197098]
  本研究では,MPUM(Modality Projection Universal Model)を導入し,評価する。 MPUMは新たなモダリティ投影戦略を採用しており、パラメータを動的に調整し、異なる画像モードで性能を最適化することができる。 MPUMのユニークなコントローラベースの畳み込みレイヤは、すべてのネットワーク層にわたる唾液マップの可視化を可能にし、モデルの解釈可能性を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-12-26T02:23:27Z)
• Physics-Regularized Multi-Modal Image Assimilation for Brain Tumor Localization [3.666412718346211]
  本稿では,データ駆動と物理に基づくコスト関数を統合する新しい手法を提案する。 腫瘍組織と脳組織の学習分布が,それぞれの成長と弾性の方程式にどの程度順応するかを定量化する,ユニークな離散化手法を提案する。
  論文  参考訳（メタデータ） (2024-09-30T15:36:14Z)
• Integration of Graph Neural Network and Neural-ODEs for Tumor Dynamic Prediction [4.850774880198265]
  本稿では,二部グラフ畳み込みニューラルネットワーク(GCN)とニューラル正規微分方程式(Neural-ODE)を組み合わせたグラフエンコーダを提案する。 まず,本手法が経験的モデルにより著しく改善される腫瘍のダイナミックモデルを発見することができることを示す。 本研究は, 提案手法が有望であり, プリクリニカル・セッティングに応用できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-02T06:39:08Z)
• Patient-specific, mechanistic models of tumor growth incorporating artificial intelligence and big data [2.6144463801364375]
  悪性腫瘍は依然として主要な公衆衛生上の問題である。 パーソナライズされた治療の設計には、患者固有の情報を適切な数学的モデルに統合する必要がある。 現在、腫瘍の発生、発生、侵入、治療に対する反応に関する厳密で実用的な数学的理論が欠如している。
  論文  参考訳（メタデータ） (2023-08-28T22:52:17Z)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)

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。