論文の概要: PRISM-Consult: A Panel-of-Experts Architecture for Clinician-Aligned Diagnosis

• arxiv url: http://arxiv.org/abs/2510.01114v1
• Date: Wed, 01 Oct 2025 17:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.680993
• Title: PRISM-Consult: A Panel-of-Experts Architecture for Clinician-Aligned Diagnosis
• Title（参考訳）: PRISM-Consult
• Authors: Lionel Levine, John Santerre, Alexander S. Young, T. Barry Levine, Francis Campion, Majid Sarrafzadeh,
• Abstract要約: PRISM-Consultは、PRISMシークエンスモデルをドメインスペシャリストのルーティングされたファミリーに拡張する、クリニカル・アライメント・オブ・エキスパート・アーキテクチャである。 エピソードは構造化された臨床イベントとしてトークン化され、軽量ルータは最初の数個のトークンを読み出し、スペシャリストモデルにディスパッチする。 各スペシャリストは、PRISMの小さなトランスフォーマーバックボーンとトークンテンプレートを継承し、パラメータ効率と解釈性を実現する。
• 参考スコア（独自算出の注目度）: 36.08311983054752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present PRISM-Consult, a clinician-aligned panel-of-experts architecture that extends the compact PRISM sequence model into a routed family of domain specialists. Episodes are tokenized as structured clinical events; a light-weight router reads the first few tokens and dispatches to specialist models (Cardiac-Vascular, Pulmonary, Gastro-Oesophageal, Musculoskeletal, Psychogenic). Each specialist inherits PRISM's small transformer backbone and token template, enabling parameter efficiency and interpretability. On real-world Emergency Department cohorts, specialists exhibit smooth convergence with low development perplexities across domains, while the router achieves high routing quality and large compute savings versus consult-all under a safety-first policy. We detail the data methodology (initial vs. conclusive ICD-9 families), routing thresholds and calibration, and report per-domain results to avoid dominance by common events. The framework provides a practical path to safe, auditable, and low-latency consult at scale, and we outline validation steps-external/temporal replication, asymmetric life-threat thresholds, and multi-label arbitration-to meet prospective clinical deployment standards.
• Abstract（参考訳）: PRISM-Consultは、PRISMシークエンスモデルをドメインスペシャリストのルーティングされたファミリーに拡張する、クリニカル・アライメント・オブ・エキスパート・アーキテクチャである。 エピソードは構造化された臨床イベントとしてトークン化され、軽量ルータは最初の数個のトークンを読み出し、専門的なモデルにディスパッチする(Cardiac-Vascular, lung, Gastro-Oephag, Musculoskeletal, Psychogenic)。 各スペシャリストは、PRISMの小さなトランスフォーマーバックボーンとトークンテンプレートを継承し、パラメータ効率と解釈性を実現する。 現実の非常事態省のコホートでは、専門家はドメイン間の開発難易度が低いスムーズな収束を示し、一方、ルータは、安全優先のポリシーの下で、高いルーティング品質と大きな計算節約を達成する。 我々は、データ方法論(初期対決定型ICD-9ファミリー)、ルーティングしきい値とキャリブレーションについて詳述し、ドメインごとの結果を報告する。 本フレームワークは, 安全, 監査可能, 低レイテンシなコンサルティングを大規模に実施するための実践的パスを提供し, 臨床展開基準を満たすために, 外部・時間的複製, 非対称な生命維持しきい値, マルチラベル仲裁の検証手順を概説する。

関連論文リスト

• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• From EMR Data to Clinical Insight: An LLM-Driven Framework for Automated Pre-Consultation Questionnaire Generation [9.269061009613033]
  複雑な電子カルテ(EMR)から事前コンサルテーションアンケートを作成するための新しい枠組みを提案する。 この枠組みは、明確な臨床知識を構築することによって直接的手法の限界を克服する。 実世界のEMRデータセットを用いて評価し,臨床専門家が検証し,情報カバレッジ,診断関連性,理解可能性,生成時間に優れた性能を示す。
  論文  参考訳（メタデータ） (2025-08-01T12:24:49Z)
• Leveraging the Structure of Medical Data for Improved Representation Learning [12.175375511821352]
  一般化可能な医療AIシステムを構築するには、データ効率とドメイン認識の事前トレーニング戦略が必要である。 本稿では,医療データセットの固有構造を利用した自己教師型フレームワークを提案する。 教師付き目標やベースラインが構造を生かさずにトレーニングされているのに比べ、強いパフォーマンスを示します。
  論文  参考訳（メタデータ） (2025-07-01T11:14:45Z)
• Token-Level Prompt Mixture with Parameter-Free Routing for Federated Domain Generalization [51.562474873972086]
  Federated Domain Generalization (FedDG)は、異種データを持つ分散クライアントからグローバルに一般化可能なモデルを学ぶことを目的としている。 近年の研究では、単一のグローバルなプロンプトを学習することで、FedDGの視覚言語モデル(VLM)を適応させる素早い学習が導入されている。 本稿では,FedDGのためのパラメータフリールーティングフレームワークであるTRIPを提案する。
  論文  参考訳（メタデータ） (2025-04-29T11:06:03Z)
• A Client-server Deep Federated Learning for Cross-domain Surgical Image Segmentation [18.402074964118697]
  本稿では2次元画像分割のためのクロスドメイン適応問題の解法を提案する。 医用画像解析におけるディープラーニングアーキテクチャは、より良い一般化のために広範なトレーニングデータを必要とする。 クロスドメイン適応のためのクライアントサーバのディープフェデレーションアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-14T19:49:47Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• TraSeTR: Track-to-Segment Transformer with Contrastive Query for Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
  そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。 TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。 提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
  論文  参考訳（メタデータ） (2022-02-17T05:52:18Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)

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。