論文の概要: Taxonomy of Comprehensive Safety for Clinical Agents
- arxiv url: http://arxiv.org/abs/2509.22041v3
- Date: Wed, 01 Oct 2025 01:00:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-02 12:11:26.769451
- Title: Taxonomy of Comprehensive Safety for Clinical Agents
- Title（参考訳）: 臨床薬の総合的安全性の分類
- Authors: Jean Seo, Hyunkyung Lee, Gibaeg Kim, Wooseok Han, Jaehyo Yoo, Seungseop Lim, Kihun Shin, Eunho Yang,
- Abstract要約: TACOSは、安全フィルタリングとツールの選択を単一のユーザ意図の分類ステップに統合する、きめ細かい21クラスの分類である。
分類の妥当性を検証するため,TACOSに注釈付きデータセットをキュレートし,広範な実験を行う。
- 参考スコア（独自算出の注目度）: 31.751016829251395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safety is a paramount concern in clinical chatbot applications, where inaccurate or harmful responses can lead to serious consequences. Existing methods--such as guardrails and tool calling--often fall short in addressing the nuanced demands of the clinical domain. In this paper, we introduce TACOS (TAxonomy of COmprehensive Safety for Clinical Agents), a fine-grained, 21-class taxonomy that integrates safety filtering and tool selection into a single user intent classification step. TACOS is a taxonomy that can cover a wide spectrum of clinical and non-clinical queries, explicitly modeling varying safety thresholds and external tool dependencies. To validate our taxonomy, we curate a TACOS-annotated dataset and perform extensive experiments. Our results demonstrate the value of a new taxonomy specialized for clinical agent settings, and reveal useful insights about train data distribution and pretrained knowledge of base models.
- Abstract（参考訳）: 安全性は、不正確または有害な応答が深刻な結果をもたらす、臨床チャットボットアプリケーションにおいて最重要事項である。
既存の方法、例えばガードレールやツールコールは、臨床領域の曖昧な要求に対処するのに不足することが多い。
本稿では,安全フィルタリングとツールの選択を1つのユーザ意図の分類ステップに統合した,きめ細かい21クラスの分類法であるTACOS(TAxonomy of COmprehensive Safety for Clinical Agents)を紹介する。
TACOSは、幅広い臨床および非臨床クエリをカバーし、さまざまな安全性閾値と外部ツール依存を明示的にモデル化できる分類法である。
分類の妥当性を検証するため,TACOSに注釈付きデータセットをキュレートし,広範な実験を行う。
本研究は, 臨床エージェント設定に特化した新分類法の価値を実証し, 列車データ分布とベースモデルの事前学習知識に関する有用な知見を明らかにした。
関連論文リスト
- Weight Space Correlation Analysis: Quantifying Feature Utilization in Deep Learning Models [7.637026905961675]
本稿では,特徴量量を定量化する解釈可能な手法である重み空間相関解析を導入する。
我々はまず,人工的なショートカット学習をうまく検出し,本手法の有効性を検証した。
次に,自発妊娠児に訓練したSA-SonoNetモデルの特徴利用について検討する。
論文 参考訳（メタデータ） (2025-12-15T09:52:46Z) - Automated PRO-CTCAE Symptom Selection based on Prior Adverse Event Profiles [1.7573009491327234]
本稿では,過去の安全データに基づいて,最小限かつ包括的なProto-CTCAEサブセットを自動選択する手法を提案する。
有害事象PTの履歴リストに関連のある候補POP項目をそれぞれスコアし,関連性と頻度を実用機能に組み合わせた。
このアプローチは、MedDRAのセマンティクスと履歴データを活用することにより、Proto-CTCAE設計を合理化することができる。
論文 参考訳（メタデータ） (2025-12-07T16:56:27Z) - Interpretable Clinical Classification with Kolgomorov-Arnold Networks [70.72819760172744]
Kolmogorov-Arnold Networks (KAN) は、透明で象徴的な表現を通じて固有の解釈能力を提供する。
Kansは、組み込みの患者レベルの洞察、直感的な可視化、最寄りの患者の検索をサポートする。
これらの結果は、カンを、臨床医が理解し、監査し、行動できる信頼できるAIへの有望なステップと位置づけている。
論文 参考訳（メタデータ） (2025-09-20T17:21:58Z) - Dynamic Robot-Assisted Surgery with Hierarchical Class-Incremental Semantic Segmentation [11.59416791598718]
クラスインクリメンタルセマンティックセグメンテーション(CISS)は、モデルが以前のデータをトレーニングすることなく、新しいクラスに継続的に適応できるようにする。
評価ベンチマークとしてオンラインでホストされたSyn-Mediverse合成データセットに144以上のクラスを持つ改良されたラベルセットを導入する。
論文 参考訳（メタデータ） (2025-08-03T10:47:01Z) - TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。
本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。
TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
論文 参考訳（メタデータ） (2025-03-26T15:58:16Z) - CathAction: A Benchmark for Endovascular Intervention Understanding [74.58430707848527]
CathActionはカテーテル化理解のための大規模なデータセットである。
我々のデータセットは、約50,000の注釈付きフレームを含み、カテーテル化アクション理解と衝突検出を行う。
各タスクについて、この分野における最近の関連する研究をベンチマークする。
論文 参考訳（メタデータ） (2024-08-23T14:54:49Z) - Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳（メタデータ） (2024-03-07T02:34:54Z) - A Saliency-based Clustering Framework for Identifying Aberrant
Predictions [49.1574468325115]
本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。
本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。
本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
論文 参考訳（メタデータ） (2023-11-11T01:53:59Z) - Towards Real-World Applications of Personalized Anesthesia Using Policy
Constraint Q Learning for Propofol Infusion Control [11.07500653906137]
Policy Constraint Q-Learning(PCQL)は、実際の臨床データセットで麻酔戦略を学習する問題を解決するための、データ駆動型強化学習アルゴリズムである。
PCQLは、実際の臨床麻酔データセットに関する広範な実験によって検証される。
論文 参考訳（メタデータ） (2023-03-17T10:05:20Z) - KIDS: kinematics-based (in)activity detection and segmentation in a
sleep case study [5.707737640557724]
睡眠行動とベッド内の運動は、人々の神経生理学的健康に関する豊富な情報を含んでいる。
本稿では,臨床的に有意な関節キネマティクスに基づく客観的(in)アクティビティ検出とセグメンテーションのためのオンラインベイズ確率的枠組みを提案する。
論文 参考訳（メタデータ） (2023-01-04T16:24:01Z) - Making sense of violence risk predictions using clinical notes [0.988455728566886]
精神医学施設における暴力リスク評価は、介入によって暴力事件を避けることができる。
これまでの研究では、そのようなノートを用いて精神科患者の暴力リスクを許容できるパフォーマンスで評価しようと試みてきた。
論文 参考訳（メタデータ） (2022-04-29T10:00:07Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z)
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。