論文の概要: MedGellan: LLM-Generated Medical Guidance to Support Physicians
- arxiv url: http://arxiv.org/abs/2507.04431v1
- Date: Sun, 06 Jul 2025 15:31:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:35.179109
- Title: MedGellan: LLM-Generated Medical Guidance to Support Physicians
- Title（参考訳）: MedGellan: LLMによる医師支援のための医療指導
- Authors: Debodeep Banerjee, Burcu Sayin, Stefano Teso, Andrea Passerini,
- Abstract要約: 本稿では,Large Language Model (LLM) を用いて生の医療記録から臨床ガイダンスを生成する軽量フレームワークであるMedGellanを紹介する。
予備実験により, LLM と MedGellan による誘導が診断性能を向上させることが示された。
- 参考スコア（独自算出の注目度）: 17.957952996809716
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medical decision-making is a critical task, where errors can result in serious, potentially life-threatening consequences. While full automation remains challenging, hybrid frameworks that combine machine intelligence with human oversight offer a practical alternative. In this paper, we present MedGellan, a lightweight, annotation-free framework that uses a Large Language Model (LLM) to generate clinical guidance from raw medical records, which is then used by a physician to predict diagnoses. MedGellan uses a Bayesian-inspired prompting strategy that respects the temporal order of clinical data. Preliminary experiments show that the guidance generated by the LLM with MedGellan improves diagnostic performance, particularly in recall and $F_1$ score.
- Abstract（参考訳）: 医療的な意思決定は重要なタスクであり、エラーが重大で致命的な結果をもたらす可能性がある。
完全な自動化は依然として難しいが、マシンインテリジェンスと人間の監視を組み合わせたハイブリッドフレームワークは、実用的な代替手段を提供する。
本稿では,Large Language Model (LLM) を用いて生の医療記録から臨床ガイダンスを生成する軽量でアノテーションのないフレームワークであるMedGellanについて紹介する。
MedGellanは、臨床データの時間的順序を尊重するベイジアンにインスパイアされたプロンプト戦略を使用している。
予備実験により, LLM と MedGellan による指導は診断性能, 特にリコールやF_1$スコアを改善することが示された。
関連論文リスト
- MedSyn: Enhancing Diagnostics with Human-AI Collaboration [19.23358929400838]
大言語モデル(LLM)は、臨床意思決定を支援するためのツールとして有望であることを示している。
我々は、医師とLLMが多段階の対話を行い、診断と治療の決定を洗練するためのハイブリッドなヒューマンAIフレームワーク、MedSynを提案する。
論文 参考訳（メタデータ） (2025-05-07T09:37:18Z) - Med-R$^2$: Crafting Trustworthy LLM Physicians via Retrieval and Reasoning of Evidence-Based Medicine [40.651632523697536]
大言語モデル(LLM)は臨床シナリオにおいて顕著な機能を示した。
我々はEvidence-Based Medicine(EBM)プロセスに準拠した新しいフレームワークであるMed-R2を紹介する。
実験の結果, Med-R2はバニラRAG法よりも14.74%改善し, 微調整法に比べて3.32%向上した。
論文 参考訳（メタデータ） (2025-01-21T04:40:43Z) - MedAide: Information Fusion and Anatomy of Medical Intents via LLM-based Agent Collaboration [19.951977369610983]
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。
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) - 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) - Large Language Model Distilling Medication Recommendation Model [58.94186280631342]
大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。
本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。
これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
論文 参考訳（メタデータ） (2024-02-05T08:25:22Z)
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。