論文の概要: CardioRAG: A Retrieval-Augmented Generation Framework for Multimodal Chagas Disease Detection

• arxiv url: http://arxiv.org/abs/2510.01558v1
• Date: Thu, 02 Oct 2025 01:02:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.93078
• Title: CardioRAG: A Retrieval-Augmented Generation Framework for Multimodal Chagas Disease Detection
• Title（参考訳）: CardioRAG:マルチモーダル・シャガス病検出のための検索用生成フレームワーク
• Authors: Zhengyang Shen, Xuehao Zhai, Hua Tu, Mayue Shi,
• Abstract要約: チャガス病は世界中で約600万人に影響を及ぼし、チャガス心筋症は最も重篤な合併症である。 血清検査能力が限られている地域では、AI強化心電図(ECG)スクリーニングが重要な診断代替手段となる。 本稿では,大きな言語モデルと解釈可能なECGに基づく臨床特徴を統合した検索拡張生成フレームワークCardioRAGを提案する。
• 参考スコア（独自算出の注目度）: 3.2889108396912974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chagas disease affects nearly 6 million people worldwide, with Chagas cardiomyopathy representing its most severe complication. In regions where serological testing capacity is limited, AI-enhanced electrocardiogram (ECG) screening provides a critical diagnostic alternative. However, existing machine learning approaches face challenges such as limited accuracy, reliance on large labeled datasets, and more importantly, weak integration with evidence-based clinical diagnostic indicators. We propose a retrieval-augmented generation framework, CardioRAG, integrating large language models with interpretable ECG-based clinical features, including right bundle branch block, left anterior fascicular block, and heart rate variability metrics. The framework uses variational autoencoder-learned representations for semantic case retrieval, providing contextual cases to guide clinical reasoning. Evaluation demonstrated high recall performance of 89.80%, with a maximum F1 score of 0.68 for effective identification of positive cases requiring prioritized serological testing. CardioRAG provides an interpretable, clinical evidence-based approach particularly valuable for resource-limited settings, demonstrating a pathway for embedding clinical indicators into trustworthy medical AI systems.
• Abstract（参考訳）: チャガス病は世界中で約600万人に影響を及ぼし、チャガス心筋症は最も重篤な合併症である。 血清検査能力が限られている地域では、AI強化心電図(ECG)スクリーニングが重要な診断代替手段となる。 しかし、既存の機械学習アプローチでは、精度の制限、ラベル付きデータセットへの依存、さらに重要なのは、エビデンスベースの臨床診断指標との弱い統合といった課題に直面している。 右バンドル分岐ブロック,左前眼窩ブロック,心拍変動測定値など,大きな言語モデルと心電図に基づく解釈可能な臨床特徴を統合した検索拡張型生成フレームワークであるCardioRAGを提案する。 このフレームワークはセマンティックケース検索に変分オートエンコーダを学習した表現を使用し、臨床推論を導くためにコンテキストケースを提供する。 評価の結果、高いリコール性能は89.80%、最大F1スコアは0.68であり、血清学的検査を優先すべき陽性例の同定に有効であった。 CardioRAGは、特にリソース制限された設定に有用な解釈可能な、臨床的エビデンスに基づくアプローチを提供し、臨床指標を信頼できる医療AIシステムに組み込むための道筋を示す。

関連論文リスト

• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• From Motion to Meaning: Biomechanics-Informed Neural Network for Explainable Cardiovascular Disease Identification [1.1142444517901016]
  我々は,ネオ・フック材料のエネルギーひずみ定式化を利用して心組織変形をモデル化する。 移動心内の局所ひずみを推定し,心血管疾患の分類に使用する特徴の詳細なセットを抽出した。
  論文  参考訳（メタデータ） (2025-07-08T08:43:05Z)
• Sensing Cardiac Health Across Scenarios and Devices: A Multi-Modal Foundation Model Pretrained on Heterogeneous Data from 1.7 Million Individuals [36.08910150609342]
  広大で異質な健康記録から統一された表現を学習する心センシング基礎モデル(CSFM)を提案する。 我々のモデルは、複数の大規模データセットからのデータの革新的なマルチモーダル統合に基づいて事前訓練されている。 CSFMは従来のワンモーダル・ワン・タスク・アプローチより一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-23T20:58:12Z)
• PathOrchestra: A Comprehensive Foundation Model for Computational Pathology with Over 100 Diverse Clinical-Grade Tasks [39.97710183184273]
  本稿では,300Kの病理スライドからなるデータセット上で,自己教師型学習を通じて学習した多種多様な病理基盤モデルPathOrchestraを提案する。 このモデルは、61のプライベートデータセットと51のパブリックデータセットを組み合わせて、112の臨床的タスクで厳格に評価された。 PathOrchestraは27,755のWSIと9,415,729のROIで例外的なパフォーマンスを示し、47のタスクで0.950以上の精度を達成した。
  論文  参考訳（メタデータ） (2025-03-31T17:28:02Z)
• Electrocardiogram-based diagnosis of liver diseases: an externally validated and explainable machine learning approach [0.9503773054285559]
  肝疾患は世界的な健康上の課題となる。 ECGは、心臓血管と肝の相互作用を捉えて肝疾患の検出を可能にする。 肝疾患を検出するため,心電図機能を用いた木ベース機械学習モデルを訓練した。
  論文  参考訳（メタデータ） (2024-12-04T21:11:34Z)
• Self-supervised Anomaly Detection Pretraining Enhances Long-tail ECG Diagnosis [32.37717219026923]
  現在のコンピュータ支援心電図診断システムでは, まれながら重要な心疾患の診断に苦慮している。 本研究は、この制限に対処するために、自己教師付き異常検出プリトレーニングを用いた新しいアプローチを提案する。 異常検出モデルは、正常な心臓パターンからの微妙な偏差を検出し、局所化するように設計されている。
  論文  参考訳（メタデータ） (2024-08-30T09:48:47Z)
• Prospects for AI-Enhanced ECG as a Unified Screening Tool for Cardiac and Non-Cardiac Conditions -- An Explorative Study in Emergency Care [0.9503773054285559]
  本研究は,救急部門で収集した心電図に基づいて,心臓および非心臓の退院診断の多様な範囲を予測できる単一モデルの有用性について検討する。 その結果,AUROCスコア0.8を超えるという意味では,253,81心,172非心,ICD符号を統計的に有意に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-12-18T09:29:42Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。