論文の概要: A Governance and Evaluation Framework for Deterministic, Rule-Based Clinical Decision Support in Empiric Antibiotic Prescribing

• arxiv url: http://arxiv.org/abs/2603.10027v1
• Date: Tue, 24 Feb 2026 21:48:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-15 16:38:22.583603
• Title: A Governance and Evaluation Framework for Deterministic, Rule-Based Clinical Decision Support in Empiric Antibiotic Prescribing
• Title（参考訳）: 経験的抗生物質処方における決定論的・規則的臨床決定支援のためのガバナンスと評価フレームワーク
• Authors: Francisco José Gárate, Paloma Chausa, Diego Moreno, Judit López Luque, Vicens Díaz-Brito, Enrique Javier Gómez,
• Abstract要約: 本研究は、決定論的臨床意思決定支援システムのためのガバナンスと評価の枠組みを規定する。 このフレームワークは、ガバナンスを第一級の設計コンポーネントとして扱い、臨床決定ロジックをルールベースのメカニズムから分離する。 明示的な棄権、決定論的スチュワードシップ制約、排他的ルールは、コアコンストラクトとして形式化されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Empiric antibiotic prescribing in high-risk clinical contexts often requires decision making under conditions of incomplete information, where inappropriate coverage or unjustified escalation may compromise safety and antimicrobial stewardship. While clinical decision-support systems have been proposed to assist in this process, many approaches lack explicit governance and evaluation mechanisms defining scope, abstention conditions, recommendation permissibility, and expected system behavior. This work specifies a governance and evaluation framework for deterministic clinical decision-support systems operating under explicitly constrained scope. Deterministic behavior is adopted to ensure that identical inputs yield identical outputs, supporting transparency, auditability, and conservative decision support in high-risk prescribing contexts. The framework treats governance as a first-class design component, separating clinical decision logic from rule-based mechanisms that determine whether a recommendation may be issued. Explicit abstention, deterministic stewardship constraints, and exclusion rules are formalized as core constructs. The framework defines an evaluation methodology utilizing a fixed set of synthetic, mechanism-driven clinical cases with predefined expected behavior. This validation process focuses on behavioral alignment with specified rules rather than clinical effectiveness, predictive accuracy, or outcome optimization. Within this protocol, abstention is treated as a correct and intended outcome when governance conditions are not satisfied. The proposed framework provides a reproducible approach for specifying, governing, and inspecting deterministic clinical decision-support systems in empiric antibiotic prescribing contexts where transparency, auditability, and conservative behavior are prioritized.
• Abstract（参考訳）: リスクの高い臨床状況で処方される経験的抗生物質は、不完全な情報の条件下での意思決定を必要とすることが多く、不適切なカバレッジや不適切なエスカレーションは安全性と抗菌性スチュワードシップを損なう可能性がある。 このプロセスを支援するために臨床意思決定支援システムが提案されているが、多くのアプローチでは、スコープ、禁忌条件、勧告許容性、期待されるシステム行動を定義する明示的なガバナンスと評価メカニズムが欠如している。 本研究は、明示的に制約された範囲で機能する決定論的臨床意思決定支援システムのガバナンスと評価の枠組みを規定する。 決定論的行動は、同一の入力が同一の出力を産出し、透明性、監査可能性、高リスクの処方コンテキストにおける保守的な意思決定支援をサポートするために採用される。 このフレームワークは、ガバナンスを第一級の設計コンポーネントとして扱い、推奨が発行されるかどうかを決定するルールベースのメカニズムから臨床決定ロジックを分離する。 明示的な棄権、決定論的スチュワードシップ制約、排他的ルールは、コアコンストラクトとして形式化されている。 本フレームワークは, 既定の期待行動を有する臨床疾患の固定セットを利用した評価手法を定義する。 この検証プロセスは、臨床効果、予測精度、結果の最適化よりも、特定の規則による行動アライメントに焦点を当てる。 このプロトコルでは、ガバナンス条件が満たされていない場合、棄権は正しく意図された結果として扱われる。 提案フレームワークは, 透明性, 監査可能性, 保守的行動が優先される経験的抗生物質処方状況において, 決定論的臨床決定支援システムを規定し, 管理し, 検査するための再現可能なアプローチを提供する。

関連論文リスト

• An Empirical Analysis of Calibration and Selective Prediction in Multimodal Clinical Condition Classification [11.640422721732756]
  マルチラベル臨床条件分類における不確実性に基づく選択予測の信頼性を実証的に評価した。 高い標準評価基準にもかかわらず、選択的予測は性能を著しく低下させる可能性がある。 この失敗は、厳密なクラス依存の誤校正によって引き起こされ、モデルが正しい予測に高い不確実性を割り当て、誤った予測に低い不確実性を割り当てる。
  論文  参考訳（メタデータ） (2026-03-03T08:16:44Z)
• 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)
• Admissibility Alignment [0.0]
  本稿では,不確実性を考慮した意思決定のための新しい制御プレーンシステムアーキテクチャMAP-AIを提案する。 モンテカルロによる結果分布の推定と、許容性制御された政策選択を通じてアライメントを実施する。 本研究では,アライメント評価を意思決定自体に統合し,適応性制御された行動選択機構を実現する方法を示す。
  論文  参考訳（メタデータ） (2026-01-05T05:58:19Z)
• An Explainable Agentic AI Framework for Uncertainty-Aware and Abstention-Enabled Acute Ischemic Stroke Imaging Decisions [0.0]
  急性期脳卒中画像における不確実性認識と回避可能な意思決定支援のための説明可能なエージェントAIフレームワークを提案する。 主にセグメンテーションや分類精度の向上に重点を置いている前脳卒中画像システムとは異なり、提案フレームワークは、臨床安全性、透明性、臨床に整合した意思決定行動を明確に優先順位付けする。
  論文  参考訳（メタデータ） (2026-01-03T00:10:08Z)
• Aligning Evaluation with Clinical Priorities: Calibration, Label Shift, and Error Costs [3.299877799532224]
  校正しきい値分類器を選択するための基本的かつ実用的な評価フレームワークを提案する。 臨床的に関連のあるクラスバランスの範囲でコスト重み付け性能を平均化するクロスエントロピー(log score)の調整版を導出する。 その結果得られた評価は、簡単に適用でき、臨床展開条件に敏感であり、キャリブレーションされたモデルと実世界の変動に頑健なモデルの両方を優先順位付けするよう設計されている。
  論文  参考訳（メタデータ） (2025-06-17T14:01:39Z)
• Towards Regulatory-Confirmed Adaptive Clinical Trials: Machine Learning Opportunities and Solutions [59.28853595868749]
  本研究は,全人口と低給付人口の規制制約と治療方針値を統合した将来の臨床試験の新たな2つの目的を紹介する。 我々は、第III相臨床試験を設計するための新しい枠組みであるRFAN(Randomize First Augment Next)を定式化する。 我々のフレームワークは、標準的なランダム化コンポーネントと適応コンポーネントから構成されており、臨床試験中に患者を効率よく安全に獲得し、患者を治療アームに割り当てることを目的としている。
  論文  参考訳（メタデータ） (2025-03-12T10:17:54Z)
• 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)
• Accountability in Offline Reinforcement Learning: Explaining Decisions with a Corpus of Examples [70.84093873437425]
  本稿では、オフラインデータセットを決定コーパスとして利用するAOC(Accountable Offline Controller)を紹介する。 AOCはローデータシナリオで効果的に動作し、厳密なオフラインの模倣設定まで拡張でき、保存性と適応性の両方の品質を示す。 シミュレーションおよび実世界の医療シナリオにおいて、AOCのパフォーマンスを評価し、説明責任を維持しながら高いレベルのパフォーマンスでオフライン制御タスクを管理する能力を強調した。
  論文  参考訳（メタデータ） (2023-10-11T17:20:32Z)
• POETREE: Interpretable Policy Learning with Adaptive Decision Trees [78.6363825307044]
  POETREEは、ポリシー学習を解釈するための新しいフレームワークである。 患者の観察と医療史に基づいて、医師の行動を決定する確率的ツリーポリシーを構築する。 これは、リアルおよび合成医療データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2022-03-15T16:50:52Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)

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。