論文の概要: Reasoning LLMs in the Medical Domain: A Literature Survey

• arxiv url: http://arxiv.org/abs/2508.19097v1
• Date: Tue, 26 Aug 2025 14:59:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.89465
• Title: Reasoning LLMs in the Medical Domain: A Literature Survey
• Title（参考訳）: 医学領域におけるLCMの推論:文献調査
• Authors: Armin Berger, Sarthak Khanna, David Berghaus, Rafet Sifa,
• Abstract要約: LLM(Large Language Models)における高度な推論能力の出現は、医療アプリケーションにおける変革的な発展を示している。 本研究では,基礎情報検索ツールから高度臨床推論システムへの医療用LCMの転換について検討する。
• 参考スコア（独自算出の注目度）: 2.028864261411204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of advanced reasoning capabilities in Large Language Models (LLMs) marks a transformative development in healthcare applications. Beyond merely expanding functional capabilities, these reasoning mechanisms enhance decision transparency and explainability-critical requirements in medical contexts. This survey examines the transformation of medical LLMs from basic information retrieval tools to sophisticated clinical reasoning systems capable of supporting complex healthcare decisions. We provide a thorough analysis of the enabling technological foundations, with a particular focus on specialized prompting techniques like Chain-of-Thought and recent breakthroughs in Reinforcement Learning exemplified by DeepSeek-R1. Our investigation evaluates purpose-built medical frameworks while also examining emerging paradigms such as multi-agent collaborative systems and innovative prompting architectures. The survey critically assesses current evaluation methodologies for medical validation and addresses persistent challenges in field interpretation limitations, bias mitigation strategies, patient safety frameworks, and integration of multimodal clinical data. Through this survey, we seek to establish a roadmap for developing reliable LLMs that can serve as effective partners in clinical practice and medical research.
• Abstract（参考訳）: LLM(Large Language Models)における高度な推論能力の出現は、医療アプリケーションにおける変革的な発展を示している。 単なる機能拡張の他に、これらの推論メカニズムは、医学的文脈における決定の透明性と説明可能性に批判的な要求を高める。 本研究は, 医療用LCMを基本情報検索ツールから, 複雑な医療意思決定を支援する高度臨床推論システムへの変換について検討した。 本稿では,DeepSeek-R1で実証した強化学習における,チェーン・オブ・サートや最近のブレークスルーといった特殊な促進技術を中心に,技術的基盤の実現を徹底的に分析する。 本研究は,多エージェント協調システムや革新的なプロンプトアーキテクチャなど,新たなパラダイムを探求しながら,汎用的な医療フレームワークの評価を行う。 本調査は, フィールド解釈の限界, バイアス緩和戦略, 患者安全の枠組み, マルチモーダル臨床データの統合における持続的課題に対処する医療評価手法を批判的に評価する。 本調査を通じて,臨床および医学研究において有効なパートナーとして機能する信頼性の高いLCMの開発ロードマップの確立を目指す。

関連論文リスト

• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Med-CoDE: Medical Critique based Disagreement Evaluation Framework [72.42301910238861]
  医学的文脈における大きな言語モデル(LLM)の信頼性と精度は依然として重要な懸念点である。 現在の評価手法はロバスト性に欠けることが多く、LLMの性能を総合的に評価することができない。 我々は,これらの課題に対処するために,医療用LCMの特別設計評価フレームワークであるMed-CoDEを提案する。
  論文  参考訳（メタデータ） (2025-04-21T16:51:11Z)
• A Survey of LLM-based Agents in Medicine: How far are we from Baymax? [44.448366897456886]
  大規模言語モデル(LLM)は、LLMベースのエージェントの開発を通じて医療を変革している。 この調査は、医学におけるLSMベースのエージェントの総合的なレビューを提供する。 医療エージェントシステムの主要な構成要素として, システムプロファイル, 臨床計画機構, 医療推論フレームワーク, 外的能力向上などについて分析する。
  論文  参考訳（メタデータ） (2025-02-16T17:21:05Z)
• 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)
• 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)
• Evaluating large language models in medical applications: a survey [1.5923327069574245]
  大規模言語モデル(LLM)は、多くのドメインにまたがる変換可能性を持つ強力なツールとして登場した。 医学的文脈におけるLCMのパフォーマンスを評価することは、医療情報の複雑で批判的な性質から、ユニークな課題を提示する。
  論文  参考訳（メタデータ） (2024-05-13T05:08:33Z)
• 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。