論文の概要: A Proof-of-Concept for Explainable Disease Diagnosis Using Large Language Models and Answer Set Programming

• arxiv url: http://arxiv.org/abs/2512.23932v1
• Date: Tue, 30 Dec 2025 01:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.252185
• Title: A Proof-of-Concept for Explainable Disease Diagnosis Using Large Language Models and Answer Set Programming
• Title（参考訳）: 大規模言語モデルと解答集合プログラミングを用いた説明可能な疾患診断のための概念実証
• Authors: Ioanna Gemou, Evangelos Lamprou,
• Abstract要約: McCoyはLarge Language Models(LLM)とAnswer Set Programming(ASP)を組み合わせてこの障壁を克服するフレームワークである。 McCoyはLLMを編成して、医学文献をASPコードに翻訳し、それを患者データと組み合わせ、ASPソルバを使用して処理して最終診断に到達させる。 予備的な結果から、McMoyは小規模の疾患診断タスクで強いパフォーマンスを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate disease prediction is vital for timely intervention, effective treatment, and reducing medical complications. While symbolic AI has been applied in healthcare, its adoption remains limited due to the effort required for constructing high-quality knowledge bases. This work introduces McCoy, a framework that combines Large Language Models (LLMs) with Answer Set Programming (ASP) to overcome this barrier. McCoy orchestrates an LLM to translate medical literature into ASP code, combines it with patient data, and processes it using an ASP solver to arrive at the final diagnosis. This integration yields a robust, interpretable prediction framework that leverages the strengths of both paradigms. Preliminary results show McCoy has strong performance on small-scale disease diagnosis tasks.
• Abstract（参考訳）: 正確な疾患予測は、タイムリーな介入、効果的な治療、合併症の軽減に不可欠である。 シンボリックAIは医療に応用されているが、高品質な知識ベースを構築するのに必要な労力のために採用は限られている。 この作業では、Large Language Models(LLM)とAnswer Set Programming(ASP)を組み合わせてこの障壁を克服するフレームワークであるMcCoyを紹介します。 McCoyはLLMを編成して、医学文献をASPコードに翻訳し、それを患者データと組み合わせ、ASPソルバを使用して処理して最終診断に到達させる。 この統合により、両方のパラダイムの強みを利用する堅牢で解釈可能な予測フレームワークが得られる。 予備的な結果から、McMoyは小規模の疾患診断タスクで強いパフォーマンスを示した。

関連論文リスト

• A Medical Multimodal Diagnostic Framework Integrating Vision-Language Models and Logic Tree Reasoning [24.842846823884557]
  視覚言語アライメントと論理正規化推論を組み合わせたLLaVAに基づく診断フレームワークを提案する。 提案手法は,テキストのみの設定では競争力を維持しつつ,マルチモーダルタスクにおいてより解釈可能な推論トレースが得られることを示す。
  論文  参考訳（メタデータ） (2025-12-25T09:01:06Z)
• Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning [57.873833577058]
  医療知識の豊富なマルチモーダルデータセットを構築した。 次に医学専門のMLLMであるLingshuを紹介します。 Lingshuは、医療専門知識の組み込みとタスク解決能力の向上のために、マルチステージトレーニングを行っている。
  論文  参考訳（メタデータ） (2025-06-08T08:47:30Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• Proof-of-TBI -- Fine-Tuned Vision Language Model Consortium and OpenAI-o3 Reasoning LLM-Based Medical Diagnosis Support System for Mild Traumatic Brain Injury (TBI) Prediction [1.1488411226515398]
  視覚言語モデルとOpenAI-o3推論大言語モデル(LLM)を統合する医療診断支援システムProof-of-TBIを提案する。 TBI MRIスキャンのラベル付きデータセットを用いて、複数の視覚言語モデルに微調整を行い、TBIの症状を効果的に診断する訓練を行った。 このシステムは,優れた推論性能を示すモデルであるOpenAI-o3推論LPMを用いて,すべての微調整された視覚言語モデルからの予測を評価する。
  論文  参考訳（メタデータ） (2025-04-25T19:49:30Z)
• MDAgents: An Adaptive Collaboration of LLMs for Medical Decision-Making [45.74980058831342]
  MDAgents(Medical Decision-making Agents)と呼ばれる新しいマルチエージェントフレームワークを導入する。 割り当てられた単独またはグループの共同作業構造は、実際の医療決定過程をエミュレートして、手元にある医療タスクに合わせて調整される。 MDAgentsは医療知識の理解を必要とするタスクに関する10のベンチマークのうち7つのベンチマークで最高のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2024-04-22T06:30:05Z)
• 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)
• Leveraging Medical Knowledge Graphs Into Large Language Models for Diagnosis Prediction: Design and Application Study [6.10474409373543]
  自動診断におけるLarge Language Models (LLMs) の習熟度を高めるための革新的なアプローチを提案する。 我々は,国立医科大学統一医療言語システム(UMLS)からKGを抽出した。 我々のアプローチは説明可能な診断経路を提供し、AIによる診断決定支援システムの実現に近づいている。
  論文  参考訳（メタデータ） (2023-08-28T06:05:18Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)

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。