論文の概要: TRACE: Temporal Reasoning via Agentic Context Evolution for Streaming Electronic Health Records (EHRs)

• arxiv url: http://arxiv.org/abs/2602.12833v1
• Date: Fri, 13 Feb 2026 11:39:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.934926
• Title: TRACE: Temporal Reasoning via Agentic Context Evolution for Streaming Electronic Health Records (EHRs)
• Title（参考訳）: TRACE:Electronic Health Records(EHRs)ストリーミングのためのエージェントコンテキスト進化による時間的推論
• Authors: Zhan Qu, Michael Färber,
• Abstract要約: LLM(Large Language Models)は、広範囲にわたる医学的知識を符号化するが、縦断的患者の軌跡に確実に適用することは困難である。 凍結LDMによる時間的臨床推論を可能にするフレームワークであるTRACEを紹介する。 MIMIC-IVによる縦断的臨床イベントストリームの評価
• 参考スコア（独自算出の注目度）: 7.2159153945746795
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large Language Models (LLMs) encode extensive medical knowledge but struggle to apply it reliably to longitudinal patient trajectories, where evolving clinical states, irregular timing, and heterogeneous events degrade performance over time. Existing adaptation strategies rely on fine-tuning or retrieval-based augmentation, which introduce computational overhead, privacy constraints, or instability under long contexts. We introduce TRACE (Temporal Reasoning via Agentic Context Evolution), a framework that enables temporal clinical reasoning with frozen LLMs by explicitly structuring and maintaining context rather than extending context windows or updating parameters. TRACE operates over a dual-memory architecture consisting of a static Global Protocol encoding institutional clinical rules and a dynamic Individual Protocol tracking patient-specific state. Four agentic components, Router, Reasoner, Auditor, and Steward, coordinate over this structured memory to support temporal inference and state evolution. The framework maintains bounded inference cost via structured state compression and selectively audits safety-critical clinical decisions. Evaluated on longitudinal clinical event streams from MIMIC-IV, TRACE significantly improves next-event prediction accuracy, protocol adherence, and clinical safety over long-context and retrieval-augmented baselines, while producing interpretable and auditable reasoning traces.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、広範囲にわたる医療知識を符号化するが、長期の患者軌跡に確実に適用することは困難であり、臨床状態の進化、不規則なタイミング、不均一な出来事が経時的にパフォーマンスを低下させる。 既存の適応戦略は、長いコンテキスト下での計算オーバーヘッド、プライバシー制約、不安定性を導入する、微調整または検索ベースの拡張に依存している。 TRACE(Temporal Reasoning via Agentic Context Evolution)は、文脈ウィンドウの拡張やパラメータの更新ではなく、コンテキストを明示的に構造化・維持することにより、凍結LDMによる時間的臨床推論を可能にするフレームワークである。 TRACEは、制度的な臨床規則を符号化する静的グローバルプロトコルと、患者固有の状態を追跡する動的個別プロトコルからなるデュアルメモリアーキテクチャ上で動作する。 Router、Reasoner、Auditor、Sterwardの4つのエージェントコンポーネントは、時間的推論と状態進化をサポートするために、この構造化メモリを協調する。 このフレームワークは、構造化状態圧縮による境界推論コストを維持し、安全クリティカルな臨床的決定を選択的に監査する。 TRACEは,MIMIC-IVの経時的臨床イベントストリームを評価したところ,長期のコンテキストおよび検索強化ベースラインに対して,次の事象予測精度,プロトコルの付着度,臨床安全性を著しく向上し,解釈可能かつ聴覚可能な推論トレースを生成する。

関連論文リスト

• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models [48.95516224614331]
  MedGaze-Benchは、臨床医の視線を認知的カーソルとして活用し、手術、緊急シミュレーション、診断解釈における意図的理解を評価する最初のベンチマークである。 本ベンチマークでは,解剖学的構造の視覚的均一性,臨床における時間・因果依存性の厳格化,安全プロトコルへの暗黙の順守という3つの基本的な課題に対処する。
  論文  参考訳（メタデータ） (2026-01-11T02:20:40Z)
• EHRSummarizer: A Privacy-Aware, FHIR-Native Architecture for Structured Clinical Summarization of Electronic Health Records [0.0]
  EHRSummarizerは構造化チャートレビューをサポートする構造化要約を生成する。 システムは、データ最小化、ステートレス処理、フレキシブルなデプロイメントのために設定できる。
  論文  参考訳（メタデータ） (2026-01-04T21:10:42Z)
• Scan-do Attitude: Towards Autonomous CT Protocol Management using a Large Language Model Agent [39.72587188702086]
  プロトコル構成要求の解釈と実行を支援するために,LLM(Large Language Model)ベースのエージェントフレームワークが提案されている。 このエージェントは、コンテキスト内学習、命令フォロー、構造化ツールコール機能を組み合わせて、関連するプロトコル要素を特定し、正確な修正を適用する。
  論文  参考訳（メタデータ） (2025-09-24T16:04:11Z)
• METHOD: Modular Efficient Transformer for Health Outcome Discovery [0.25112747242081457]
  本稿では,電子カルテにおける臨床シーケンスモデリングの課題に対処するために,新しいトランスフォーマーアーキテクチャである Method を紹介する。 1)効率的なバッチ処理を可能にしながら情報漏洩を防止する患者対応アテンション機構,(2)マルチスケールの時間的依存関係をキャプチャする適応型スライディングウィンドウアテンションスキーム,(3)動的スキップ接続を備えたU-Netインスピレーションアーキテクチャ。 MIMIC-IVデータベースにおける評価は、手法が最先端のETHOSモデルより一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-16T15:52:56Z)
• Contrastive Representation Learning Helps Cross-institutional Knowledge Transfer: A Study in Pediatric Ventilation Management [7.066702592883538]
  本稿では,臨床時系列における施設間知識伝達の体系的枠組みについて述べる。 我々は,異なるデータ体制と微調整戦略が,制度的境界を越えた知識伝達に与える影響について検討する。 我々の研究は、より一般化可能な臨床意思決定支援システムを開発しながら、より小さな専門単位がより大きなセンターからの知識を活用できるようにするための洞察を提供する。
  論文  参考訳（メタデータ） (2025-01-23T11:55:13Z)
• Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [83.15653194899126]
  神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。 現在のVSNベースのNCD検出法は主にボトムアップ、刺激駆動認知プロセスと密接に結びついている言語マイクロ構造に焦点を当てている。 本稿では,話題の時間的変化を追跡する動的トピックモデル(DTM)と,物語と視覚刺激の相互整合性を測定するテキスト画像時間アライメントネットワーク(TITAN)の2つの新しいマクロ構造手法を提案する。
  論文  参考訳（メタデータ） (2025-01-07T12:16:26Z)
• Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
  既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。 提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。 現在の米国とEUの規制分野に位置づけられている。
  論文  参考訳（メタデータ） (2024-09-07T11:13:52Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Clinical Temporal Relation Extraction with Probabilistic Soft Logic Regularization and Global Inference [50.029659413650194]
  既存のメソッドは、高価な機能エンジニアリングを必要とするか、イベント間のグローバルな依存関係をモデル化できない。 本稿では,確率論的ソフト論理規則化とグローバル推論を用いた新しい臨床時間緩和法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T08:23:03Z)

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。