論文の概要: NutriOrion: A Hierarchical Multi-Agent Framework for Personalized Nutrition Intervention Grounded in Clinical Guidelines
- arxiv url: http://arxiv.org/abs/2602.18650v1
- Date: Fri, 20 Feb 2026 22:55:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.223242
- Title: NutriOrion: A Hierarchical Multi-Agent Framework for Personalized Nutrition Intervention Grounded in Clinical Guidelines
- Title（参考訳）: NutriOrion:臨床ガイドラインに基づく個人化栄養介入のための階層的マルチエージェントフレームワーク
- Authors: Junwei Wu, Runze Yan, Hanqi Luo, Darren Liu, Minxiao Wang, Kimberly L. Townsend, Lydia S. Hartwig, Derek Milketinas, Xiao Hu, Carl Yang,
- Abstract要約: 並列列推論トポロジを持つ階層型マルチエージェントフレームワークであるNutriOrionを紹介する。
N NutriOrionは、特定のドメインエージェントに栄養計画を分解し、アンカーリングバイアスを軽減する。
臨床相互運用性のために、NutriOrionマップはADIME標準とFHIR R4リソースに関する洞察を合成した。
- 参考スコア（独自算出の注目度）: 12.407353202474932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personalized nutrition intervention for patients with multimorbidity is critical for improving health outcomes, yet remains challenging because it requires the simultaneous integration of heterogeneous clinical conditions, medications, and dietary guidelines. Single-agent large language models (LLMs) often suffer from context overload and attention dilution when processing such high-dimensional patient profiles. We introduce NutriOrion, a hierarchical multi-agent framework with a parallel-then-sequential reasoning topology. NutriOrion decomposes nutrition planning into specialized domain agents with isolated contexts to mitigate anchoring bias, followed by a conditional refinement stage. The framework includes a multi-objective prioritization algorithm to resolve conflicting dietary requirements and a safety constraint mechanism that injects pharmacological contraindications as hard negative constraints during synthesis, ensuring clinical validity by construction rather than post-hoc filtering. For clinical interoperability, NutriOrion maps synthesized insights into the ADIME standard and FHIR R4 resources. Evaluated on 330 stroke patients with multimorbidity, NutriOrion outperforms multiple baselines, including GPT-4.1 and alternative multi-agent architectures. It achieves a 12.1 percent drug-food interaction violation rate, demonstrates strong personalization with negative correlations (-0.26 to -0.35) between patient biomarkers and recommended risk nutrients, and yields clinically meaningful dietary improvements, including a 167 percent increase in fiber and a 27 percent increase in potassium, alongside reductions in sodium (9 percent) and sugars (12 percent).
- Abstract（参考訳）: 多疾患患者の個人化栄養介入は、健康状態を改善するために重要であるが、不均一な臨床症状、医薬品、食事ガイドラインの同時統合を必要とするため、依然として困難である。
単一エージェント大言語モデル(LLM)は、高次元の患者プロファイルを処理する際に、コンテキスト過負荷や注意の希釈に悩まされることが多い。
並列列推論トポロジを持つ階層型マルチエージェントフレームワークであるNutriOrionを紹介する。
NutriOrionは、特定のドメインエージェントに栄養計画を分解し、アンカーのバイアスを軽減する。
本発明のフレームワークは、競合する食事要求を解決するための多目的優先アルゴリズムと、合成中に薬理学的禁忌を強い負の制約として注入する安全制約機構とを含み、ポストホック濾過よりも建設による臨床的有効性を確保する。
臨床相互運用性のために、NutriOrionマップはADIME標準とFHIR R4リソースに関する洞察を合成した。
マルチモービディティを持つ330人の脳卒中患者で評価され、NutriOrionはGPT-4.1や代替のマルチエージェントアーキテクチャなど、複数のベースラインを上回ります。
12.1%の薬物と食品の相互作用違反率を達成し、患者バイオマーカーと推奨栄養素の間に負の相関(-0.26〜-0.35)を持つ強いパーソナライゼーションを示し、167%の繊維増量と27%のカリウム増量を含む臨床的に有意義な食事改善をもたらす。
関連論文リスト
- A Multi-Agent Framework for Medical AI: Leveraging Fine-Tuned GPT, LLaMA, and DeepSeek R1 for Evidence-Based and Bias-Aware Clinical Query Processing [0.4349324020366305]
大規模言語モデル(LLM)は、医療問題に対する回答を約束するが、臨床的使用は、弱い検証、不十分な証拠の根拠、信頼できない信頼のシグナルによって制限される。
本稿では,補完的なLCMとエビデンス検索,不確実性推定,バイアスチェックを組み合わせて回答信頼性を向上させるマルチエージェント医療QAフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-15T14:17:27Z) - GLEN-Bench: A Graph-Language based Benchmark for Nutritional Health [48.94971812317643]
GLEN-Benchは,栄養学的健康評価のためのグラフ言語に基づく最初の総合ベンチマークである。
GLEN-Benchは3つの関連タスクを含む: リスク検出は、食生活や社会経済的パターンからリスクのある個人を識別する; 推奨は、リソース制約の中で臨床ニーズを満たすパーソナライズされた食品を提案する。
我々の分析では、健康リスクに関連する明確な食事パターンを特定し、実践的な介入を導くための洞察を提供する。
論文 参考訳（メタデータ） (2026-01-26T03:32:46Z) - GastroDL-Fusion: A Dual-Modal Deep Learning Framework Integrating Protein-Ligand Complexes and Gene Sequences for Gastrointestinal Disease Drug Discovery [2.1880525779004563]
GastroDL-Fusionは、タンパク質-リガンド複合体データと疾患関連遺伝子配列情報を統合するデュアルモーダルディープラーニングフレームワークである。
我々はGI病関連ターゲットのベンチマークデータセットを用いてモデルを評価する。
結果は、構造的特徴と遺伝的特徴の両方を取り入れることで、結合親和性のより正確な予測が得られることを確認した。
論文 参考訳（メタデータ） (2025-11-07T21:32:58Z) - DeepEN: Personalized Enteral Nutrition for Critically Ill Patients using Deep Reinforcement Learning [8.76695631550463]
DeepEN(ディープエン)は、重篤な患者にパーソナライズされた経腸栄養(EN)の枠組みである。
これは、各患者の進化する生理学に合わせて、カロリー、タンパク質、流体の摂取を4時間で推奨する。
DeepENは、安全でない逸脱を抑えながら、高価値な臨床行動と整合する臨床的に現実的なポリシーを学ぶ。
論文 参考訳（メタデータ） (2025-10-09T15:37:56Z) - 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) - EAGLE: Efficient Alignment of Generalized Latent Embeddings for Multimodal Survival Prediction with Interpretable Attribution Analysis [16.567468717846676]
既存のマルチモーダルアプローチは、単純化された融合戦略、膨大な計算要求、および臨床導入における解釈可能性の重要な障壁の欠如に悩まされている。
本稿では,注意に基づくマルチモーダル融合と包括的帰属分析により,これらの制約に対処する新しいディープラーニングフレームワークであるEagleを紹介する。
Eagleは、高度なAI機能と実用的なヘルスケアデプロイメントのギャップを埋め、マルチモーダルサバイバル予測のためのスケーラブルなソリューションを提供する。
論文 参考訳（メタデータ） (2025-06-12T03:56:13Z) - RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。
Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。
本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
論文 参考訳（メタデータ） (2024-07-17T16:49:34Z) - NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
自己申告法はしばしば不正確であり、重大な偏見に悩まされる。
近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。
本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-05-13T14:56:55Z) - Enhancing Food Intake Tracking in Long-Term Care with Automated Food
Imaging and Nutrient Intake Tracking (AFINI-T) Technology [71.37011431958805]
長期医療(LTC)の住民の半数は、入院、死亡、死亡率、生活の質の低下が悪化している。
本稿では,LCCのための食品自動撮像・栄養摂取追跡技術(AFINI-T)について述べる。
論文 参考訳（メタデータ） (2021-12-08T22:25:52Z) - An Artificial Intelligence-Based System to Assess Nutrient Intake for
Hospitalised Patients [4.048427587958764]
入院患者の栄養摂取の定期的なモニタリングは、疾患関連栄養失調のリスクを低減する上で重要な役割を担っている。
本稿では,栄養摂取量を正確に推定する人工知能(AI)に基づく新しいシステムを提案する。
論文 参考訳（メタデータ） (2020-03-18T15:28:51Z)
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。