論文の概要: Potential Role of Agentic Artificial Intelligence in Toxicologic Pathology
- arxiv url: http://arxiv.org/abs/2602.06980v1
- Date: Mon, 26 Jan 2026 16:59:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-16 23:37:53.691808
- Title: Potential Role of Agentic Artificial Intelligence in Toxicologic Pathology
- Title（参考訳）: 毒性疾患におけるエージェント人工知能の可能性
- Authors: Nasir Rajpoot, Richard Haworth, Xavier Palazzi, Alok Sharma, Manu Sebastian, Stephen Cahalan, Dinesh S. Bangari, Radhakrishna Sura, James Hartke, Marco Tecilla, Krishna Yekkala, Simon Graham, Dang Vu, David Snead, Mostafa Jahanifar, Adnan Khan, Erio Barale-Thomas,
- Abstract要約: 白書では,毒性病理報告におけるエージェント人工知能(AI)の役割について考察する。
現在のレポートで重要な問題点を概説し、エージェントAIの現実的な短期的ユースケースを特定し、採用障壁について説明している。
この論文は、医薬品組織、CRO、アカデミア、規制機関にまたがる協調的な取り組みの必要性を強調して締めくくっている。
- 参考スコア（独自算出の注目度）: 1.1466098195819459
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the volume and complexity of nonclinical toxicology studies continue to increase, toxicologic pathology reporting faces persistent challenges, including fragmented sources of data (e.g., histopathology images, clinical pathology and other study data, adverse effects database, mechanistic literature), variable reporting timelines and heightened regulatory expectations. This white paper examines the emerging role of agentic artificial intelligence (AI) in addressing these issues through coordinated workflow orchestration, data integration, and pathologist-in-the-loop report generation. Based on a closed-door roundtable held during the 2025 Society of Toxicologic Pathology (STP) Annual Meeting and follow-on discussions, this paper synthesizes the perspectives of leading toxicologic pathologists, toxicologists, and AI developers. It outlines the key pain points in current reporting workflows, identifies realistic near-term use cases for agentic AI, and describes major adoption barriers including requirements for transparency, validation, and organizational readiness. A phased adoption roadmap and pilot design considerations are proposed to help support responsible evaluation and deployment of agentic AI system in nonclinical settings. The paper concludes by emphasizing the need for coordinated efforts across pharmaceutical organizations, CROs, academia, and regulators to establish shared standards, benchmarks, and governance frameworks that will lead to safe, transparent, and trustworthy integration of AI into toxicologic science.
- Abstract（参考訳）: 非臨床毒性研究の量と複雑さが増大するにつれて、毒性病理報告は、断片化されたデータ源(例えば、病理画像、臨床病理、その他の研究データ、副作用データベース、機械学文献)、変動報告のタイムライン、規制の期待の高まりなど、永続的な課題に直面している。
白書では、協調ワークフローオーケストレーション、データ統合、病理学者によるループ内レポート生成を通じて、これらの問題に対処するエージェント人工知能(AI)の役割について検討する。
2025年に開催された毒性病理学会(STP)年次大会の閉会式とその後の議論に基づいて,本論文は主要な毒性病理学者,毒性学者,AI開発者の視点を総合する。
現在のレポートワークフローにおける重要な問題点を概説し、エージェントAIの現実的な短期的ユースケースを特定し、透明性、検証、組織的準備の要件を含む大きな採用障壁について説明する。
段階的な採用ロードマップとパイロット設計の考察が提案され、非臨床的な環境でエージェントAIシステムの評価とデプロイを支援する。
論文は、医薬品組織、CRO、アカデミア、規制機関が共有標準、ベンチマーク、ガバナンスフレームワークを確立するために、AIの安全で透明で信頼できる毒性科学への統合を実現するために、協調的な努力の必要性を強調して締めくくった。
関連論文リスト
- A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - Automated Construction of Medical Indicator Knowledge Graphs Using Retrieval Augmented Large Language Models [8.095858876360577]
本稿では,検索拡張生成(RAG)と大規模言語モデル(LLM)を組み合わせて医療指標知識グラフを構築する自動フレームワークを提案する。
得られた知識グラフは、インテリジェントな診断と質問応答システムに統合することができる。
論文 参考訳（メタデータ） (2025-11-17T16:00:42Z) - A Semantic Framework for Patient Digital Twins in Chronic Care [0.0]
患者医療デジタルツイン(PMDT)は、生理的、精神社会的、行動的、ゲノム的な情報をコヒーレントなモデルに統合する。
PMDTはセマンティック・インターオペラビリティを確保し、自動推論をサポートし、さまざまな臨床コンテキストでの再利用を可能にする。
データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代デジタルヘルスエコシステムの検証された基盤を提供する。
論文 参考訳（メタデータ） (2025-10-10T08:34:55Z) - From Explainability to Action: A Generative Operational Framework for Integrating XAI in Clinical Mental Health Screening [0.3181700357675698]
本稿では,このギャップは翻訳問題であり,生成操作フレームワークを提案する。
このフレームワークは、様々なXAIツールから得られた生の技術的出力を取り込み、臨床ガイドラインでそれらを合成するように設計されている。
論文 参考訳（メタデータ） (2025-10-10T05:46:39Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - CBM-RAG: Demonstrating Enhanced Interpretability in Radiology Report Generation with Multi-Agent RAG and Concept Bottleneck Models [1.7042756021131187]
本稿では,CBM(Concept Bottleneck Models)とRAG(Multi-Agent Retrieval-Augmented Generation)システムを組み合わせた自動放射線学レポート生成フレームワークを提案する。
CBMは胸部X線の特徴を人間の理解できない臨床概念にマッピングし、透明な疾患分類を可能にする。
RAGシステムはマルチエージェントのコラボレーションと外部知識を統合し、文脈的にリッチなエビデンスベースのレポートを生成する。
論文 参考訳（メタデータ） (2025-04-29T16:14:55Z) - Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。
RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文 参考訳（メタデータ） (2024-07-17T07:44:18Z) - Challenges for Responsible AI Design and Workflow Integration in Healthcare: A Case Study of Automatic Feeding Tube Qualification in Radiology [35.284458448940796]
ナトリウムガスチューブ(NGT)は、鼻から胃に挿入されたチューブを供給し、栄養や薬品を供給している。
近年のAI開発は、チェストX線画像からNGT配置を堅牢に検出する可能性を示している。
本稿では,この問題に対する人間中心のアプローチを提案するとともに,コンテキスト調査および15の臨床ステークホルダとの詳細なインタビューの結果から得られた知見について述べる。
論文 参考訳（メタデータ） (2024-05-08T14:16:22Z) - Computational Pathology: A Survey Review and The Way Forward [35.29627164279813]
計算病理学 CPath (Computational Pathology CPath) は、医学的な病理像を分析し、モデル化するための計算手法の開発を強化する学際的な科学である。
CPathの主な目的は,臨床病理の補助的CADシステムとして,デジタル診断の基盤とビジョンを開発することである。
論文 参考訳（メタデータ） (2023-04-11T20:28:33Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳（メタデータ） (2020-04-29T15:02:41Z)
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。