論文の概要: MCP-AI: Protocol-Driven Intelligence Framework for Autonomous Reasoning in Healthcare

• arxiv url: http://arxiv.org/abs/2512.05365v1
• Date: Fri, 05 Dec 2025 02:02:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.867775
• Title: MCP-AI: Protocol-Driven Intelligence Framework for Autonomous Reasoning in Healthcare
• Title（参考訳）: MCP-AI:医療における自律推論のためのプロトコル駆動インテリジェンスフレームワーク
• Authors: Zag ElSayed, Craig Erickson, Ernest Pedapati,
• Abstract要約: MCP-AIは、モデルコンテキストプロトコル上に構築された、説明可能な医療意思決定のための新しいアーキテクチャである。 MCP-AIは、ケア設定全体にわたって適応的、縦断的、協調的な推論をサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Healthcare AI systems have historically faced challenges in merging contextual reasoning, long-term state management, and human-verifiable workflows into a cohesive framework. This paper introduces a completely innovative architecture and concept: combining the Model Context Protocol (MCP) with a specific clinical application, known as MCP-AI. This integration allows intelligent agents to reason over extended periods, collaborate securely, and adhere to authentic clinical logic, representing a significant shift away from traditional Clinical Decision Support Systems (CDSS) and prompt-based Large Language Models (LLMs). As healthcare systems become more complex, the need for autonomous, context-aware clinical reasoning frameworks has become urgent. We present MCP-AI, a novel architecture for explainable medical decision-making built upon the Model Context Protocol (MCP) a modular, executable specification for orchestrating generative and descriptive AI agents in real-time workflows. Each MCP file captures clinical objectives, patient context, reasoning state, and task logic, forming a reusable and auditable memory object. Unlike conventional CDSS or stateless prompt-based AI systems, MCP-AI supports adaptive, longitudinal, and collaborative reasoning across care settings. MCP-AI is validated through two use cases: (1) diagnostic modeling of Fragile X Syndrome with comorbid depression, and (2) remote coordination for Type 2 Diabetes and hypertension. In either scenario, the protocol facilitates physician-in-the-loop validation, streamlines clinical processes, and guarantees secure transitions of AI responsibilities between healthcare providers. The system connects with HL7/FHIR interfaces and adheres to regulatory standards, such as HIPAA and FDA SaMD guidelines. MCP-AI provides a scalable basis for interpretable, composable, and safety-oriented AI within upcoming clinical environments.
• Abstract（参考訳）: 医療AIシステムは歴史的に、コンテキスト推論、長期状態管理、人間検証可能なワークフローを結合的なフレームワークに統合する上で、課題に直面してきた。 本稿では、MCP(Model Context Protocol)とMCP-AI(MCP-AI)と呼ばれる特定の臨床アプリケーションを組み合わせた、完全に革新的なアーキテクチャと概念を紹介する。 この統合により、知的エージェントは長期にわたって推論し、安全に協力し、真の臨床論理に従うことができ、従来の臨床決定支援システム(CDSS)やプロンプトベースの大規模言語モデル(LLM)から大きく移行した。 医療システムが複雑化するにつれ、自律的でコンテキスト対応の臨床推論フレームワークの必要性が高まっている。 MCP-AIは、モデルコンテキストプロトコル(MCP)に基づいて構築された説明可能な医療意思決定のための新しいアーキテクチャであり、リアルタイムワークフローにおける生成および記述型AIエージェントのオーケストレーションのためのモジュール的で実行可能な仕様である。 各MPPファイルは、臨床目的、患者コンテキスト、推論状態、タスクロジックをキャプチャし、再利用可能な、監査可能なメモリオブジェクトを形成する。 従来のCDSSやステートレスなプロンプトベースのAIシステムとは異なり、MPP-AIはケア設定全体にわたって適応的、縦断的、協調的な推論をサポートする。 MCP-AIは,(1)Fragile X症候群と,(2)2型糖尿病と高血圧の遠隔治療の2つの症例で検証された。 どちらのシナリオでも、このプロトコルは医師のループでの検証を促進し、臨床プロセスを合理化し、医療提供者間のAI責任の安全な移行を保証する。 このシステムはHL7/FHIRインターフェースに接続し、HIPAAやFDA SaMDガイドラインなどの規制基準に準拠している。 MCP-AIは、今後の臨床環境において、解釈可能、構成可能、安全指向のAIのためのスケーラブルなベースを提供する。

関連論文リスト

• Before the Clinic: Transparent and Operable Design Principles for Healthcare AI [42.994619952353396]
  医療AIの先進的な技術的要件を運用するための基本設計原則を2つ提案する。 我々は、これらの原則を確立されたXAIフレームワークに根ざし、それらをドキュメント化された臨床ニーズにマッピングし、新たなガバナンス要件との整合性を実証します。 この前臨床プレイブックは、開発チームに対して実行可能なガイダンスを提供し、臨床評価への道を加速し、AI研究者、医療実践家、規制ステークホルダーを分かち合う共通語彙を確立する。
  論文  参考訳（メタデータ） (2025-10-31T04:05:09Z)
• A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms [0.03262230127283451]
  医療AIに特化したモデル駆動工学(MDE)フレームワークを導入する。 フレームワークは、フォーマルなメタモデル、ドメイン固有言語、そして、ハイレベルな仕様から実行中のソフトウェアに移行するための自動変換に依存しています。 マルチセンター癌免疫療法研究において,本手法について検討した。
  論文  参考訳（メタデータ） (2025-10-10T12:00:12Z)
• NEARL-CLIP: Interacted Query Adaptation with Orthogonal Regularization for Medical Vision-Language Understanding [51.63264715941068]
  textbfNEARL-CLIP (iunderlineNteracted quunderlineEry underlineAdaptation with ounderlineRthogonaunderlineL regularization)は、VLMベースの新しい相互モダリティ相互作用フレームワークである。
  論文  参考訳（メタデータ） (2025-08-06T05:44:01Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• Framework for developing and evaluating ethical collaboration between expert and machine [4.304304889487245]
  精密医療は、アクセス可能な疾患診断とパーソナライズされた介入計画のための有望なアプローチである。 人工知能(AI)を活用することで、精密医療は個々の患者に対する診断と治療ソリューションを調整する。 しかし、医療応用におけるAIの採用は重大な課題に直面している。 本稿では,専門家誘導型マルチモーダルAIの開発と倫理的評価を行う枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-17T06:49:38Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• 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)
• Integration and Implementation Strategies for AI Algorithm Deployment with Smart Routing Rules and Workflow Management [0.37918614538294315]
  本稿では、医療産業における人工知能(AI)ソリューションの普及を妨げる課題について概説する。 AI開発のための標準化されたフレームワークが存在しないことは、大きな障壁となり、それに対応するために新しいパラダイムが必要である。 本稿では,医療分野における異種アプリケーションの連携における相互運用の役割について検討する。
  論文  参考訳（メタデータ） (2023-11-17T19:38:37Z)

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。