論文の概要: Experience-Guided Self-Adaptive Cascaded Agents for Breast Cancer Screening and Diagnosis with Reduced Biopsy Referrals

• arxiv url: http://arxiv.org/abs/2602.23899v1
• Date: Fri, 27 Feb 2026 10:48:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.378176
• Title: Experience-Guided Self-Adaptive Cascaded Agents for Breast Cancer Screening and Diagnosis with Reduced Biopsy Referrals
• Title（参考訳）: 乳がん検診・生検診断における自己適応型薬剤の使用経験
• Authors: Pramit Saha, Mohammad Alsharid, Joshua Strong, J. Alison Noble,
• Abstract要約: フレームワークは、スクリーニングと診断を2段階の選択的意思決定プロセスとしてモデル化する。 軽量スクリーニングクリニック」エージェントは、さらなる診断エスカレーションから良性および正常な症例を選択的にフィルタリングする。 診断クリニック」エージェントは、よりリッチな知覚と放射線学的記述ツールを統合して、生検基準に関する二次的な決定を行う。
• 参考スコア（独自算出の注目度）: 8.077581449917155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an experience-guided cascaded multi-agent framework for Breast Ultrasound Screening and Diagnosis, called BUSD-Agent, that aims to reduce diagnostic escalation and unnecessary biopsy referrals. Our framework models screening and diagnosis as a two-stage, selective decision-making process. A lightweight `screening clinic' agent, restricted to classification models as tools, selectively filters out benign and normal cases from further diagnostic escalation when malignancy risk and uncertainty are estimated as low. Cases that have higher risks are escalated to the `diagnostic clinic' agent, which integrates richer perception and radiological description tools to make a secondary decision on biopsy referral. To improve agent performance, past records of pathology-confirmed outcomes along with image embeddings, model predictions, and historical agent actions are stored in a memory bank as structured decision trajectories. For each new case, BUSD-Agent retrieves similar past cases based on image, model response and confidence similarity to condition the agent's current decision policy. This enables retrieval-conditioned in-context adaptation that dynamically adjusts model trust and escalation thresholds from prior experiences without parameter updates. Evaluation across 10 breast ultrasound datasets shows that the proposed experience-guided workflow reduces diagnostic escalation in BUSD-Agent from 84.95% to 58.72% and overall biopsy referrals from 59.50% to 37.08%, compared to the same architecture without trajectory conditioning, while improving average screening specificity by 68.48% and diagnostic specificity by 6.33%.
• Abstract（参考訳）: 本稿では,BUSD-Agentと呼ばれる乳房超音波検診・診断のための経験誘導型マルチエージェントフレームワークを提案する。 フレームワークは、スクリーニングと診断を2段階の選択的意思決定プロセスとしてモデル化する。 軽量な「スクリーニングクリニック」エージェントは、悪性度リスクと不確実性が低いと推定された場合に、良性および正常な症例をさらなる診断エスカレーションから選択的にフィルタリングする。 リスクの高い症例は「診断クリニック」エージェントにエスカレートされ、よりリッチな知覚と放射線学的記述ツールを統合して生検基準を二次的に決定する。 エージェント性能を向上させるため、画像埋め込み、モデル予測、過去のエージェント動作とともに、病理確認結果の過去の記録を構造化決定軌跡としてメモリバンクに記憶する。 新しいケースごとに、BUSD-Agentは、エージェントの現在の決定ポリシーを条件に、画像、モデル応答、信頼性の類似性に基づいて、同様のケースを検索する。 これにより、パラメータ更新なしで事前経験からモデル信頼とエスカレーションしきい値を動的に調整する、検索条件付きインコンテキスト適応が可能になる。 10個の乳房超音波データセットで評価したところ、BUSD-Agentの診断エスカレーションは84.95%から58.72%に減少し、全体の生検基準は59.50%から37.08%に減少し、平均スクリーニング特異性は68.48%、診断特異性は6.33%向上した。

関連論文リスト

• Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification [60.18369393468405]
  既存の検証器は通常、ドメイン知識の欠如と限られた校正のために性能が劣る。 GLEANは専門家によって計算されたプロトコルをトラジェクトリインフォームされ、よく校正された正当性信号にコンパイルする。 我々は,MIMIC-IVデータセットから得られた3つの疾患の薬物的臨床診断でGLEANを実証的に検証した。
  論文  参考訳（メタデータ） (2026-03-03T09:36:43Z)
• 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)
• A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
  Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。 本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
  論文  参考訳（メタデータ） (2025-12-23T13:26:13Z)
• Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
  本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。 本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。 DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-28T17:19:47Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• Multi-pathology Chest X-ray Classification with Rejection Mechanisms [36.0596663889937]
  ディープラーニングモデルの過信は、高精細度の医療画像タスクにおいて重大なリスクをもたらす。 本研究では,DenseNet-121バックボーンを用いた胸部X線診断のための不確実性認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-12T15:36:26Z)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• Uncertainty Estimation for Trust Attribution to Speed-of-Sound Reconstruction with Variational Networks [4.4514169794746]
  音速(SoS)は組織の生体力学的特性であり、そのイメージングは診断に有望なバイオマーカーを提供することができる。 本稿では,SoS再建における不確実性を利用して,各獲得フレームの属性を信頼することを提案する。 良性線維腺腫と悪性癌とを鑑別し,乳腺癌鑑別のための自動フレーム選択法について検討した。
  論文  参考訳（メタデータ） (2025-04-15T15:48:51Z)
• A Synthetic Data-Driven Radiology Foundation Model for Pan-tumor Clinical Diagnosis [21.212976987658415]
  PASTAは、PASTA-Genをベースとしたパン腫瘍基礎モデルである。 PASTAは46の腫瘍学タスクのうち45の最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-02-10T05:45:03Z)
• PersonalizedUS: Interpretable Breast Cancer Risk Assessment with Local Coverage Uncertainty Quantification [2.6911061523689415]
  現在の「ゴールドスタンダード」は、臨床医による手動のBI-RADSスコアに依存しており、しばしば不必要な生検や、患者とその家族に対する精神的な負担を伴っている。 我々は、直列予測の最近の進歩を活用して、正確でパーソナライズされたリスク推定を提供する、パーソナライズされた機械学習システムであるPersonalizedUSを紹介する。 具体的な臨床効果としては、BI-RADS 4aと4bの病変のうち、要求された生検を最大で65%減らし、がんの再発は最小限である。
  論文  参考訳（メタデータ） (2024-08-28T00:47:55Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
  そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。 提案モデルでは,AUCスコアが0.896であった。
  論文  参考訳（メタデータ） (2022-02-08T00:43:57Z)

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。