論文の概要: HeartAgent: An Autonomous Agent System for Explainable Differential Diagnosis in Cardiology

• arxiv url: http://arxiv.org/abs/2603.10764v1
• Date: Wed, 11 Mar 2026 13:41:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.967836
• Title: HeartAgent: An Autonomous Agent System for Explainable Differential Diagnosis in Cardiology
• Title（参考訳）: HeartAgent: 心臓科における説明可能な鑑別診断のための自律エージェントシステム
• Authors: Shuang Zhou, Kai Yu, Song Wang, Wenya Xie, Zaifu Zhan, Meng-Han Tsai, Yuen-Hei Chung, Shutong Hou, Huixue Zhou, Min Zeng, Bhavadharini Ramu, Lin Yee Chen, Feng Xie, Rui Zhang,
• Abstract要約: 心臓病は世界中で致死率と死亡率の主要な原因であり、正確で信頼できる鑑別診断を必要とする。 本稿では、信頼性と説明可能な鑑別診断を支援するために設計された、心臓科固有のエージェントシステムであるHeartAgentを紹介する。
• 参考スコア（独自算出の注目度）: 22.66708565700303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heart diseases remain a leading cause of morbidity and mortality worldwide, necessitating accurate and trustworthy differential diagnosis. However, existing artificial intelligence-based diagnostic methods are often limited by insufficient cardiology knowledge, inadequate support for complex reasoning, and poor interpretability. Here we present HeartAgent, a cardiology-specific agent system designed to support a reliable and explainable differential diagnosis. HeartAgent integrates customized tools and curated data resources and orchestrates multiple specialized sub-agents to perform complex reasoning while generating transparent reasoning trajectories and verifiable supporting references. Evaluated on the MIMIC dataset and a private electronic health records cohort, HeartAgent achieved over 36% and 20% improvements over established comparative methods, in top-3 diagnostic accuracy, respectively. Additionally, clinicians assisted by HeartAgent demonstrated gains of 26.9% in diagnostic accuracy and 22.7% in explanatory quality compared with unaided experts. These results demonstrate that HeartAgent provides reliable, explainable, and clinically actionable decision support for cardiovascular care.
• Abstract（参考訳）: 心臓病は世界中で致死率と死亡率の主要な原因であり、正確で信頼できる鑑別診断を必要とする。 しかし、既存の人工知能に基づく診断手法は、心臓学の知識不足、複雑な推論の不十分なサポート、解釈可能性の欠如によって制限されることが多い。 本稿では、信頼性と説明可能な鑑別診断を支援するために設計された、心臓科固有のエージェントシステムであるHeartAgentを紹介する。 HeartAgentはカスタマイズされたツールとキュレートされたデータリソースを統合し、複数の特別なサブエージェントをオーケストレーションして複雑な推論を行い、透過的な推論軌跡と検証可能なサポートリファレンスを生成する。 MIMICデータセットとプライベート電子健康記録コホートに基づいて評価され、HeartAgentは、それぞれ上位3つの診断精度で、確立された比較手法よりも36%、20%改善した。 さらに、HeartAgentを補助する臨床医は診断精度が26.9%、説明的品質が22.7%向上した。 これらの結果は,HeartAgentが心血管ケアに対して信頼性,説明性,臨床的に実行可能な意思決定支援を提供することを示した。

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)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
  Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。 Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。 実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-21T17:42:47Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• The Optimization Paradox in Clinical AI Multi-Agent Systems [13.177792688650971]
  コンポーネントレベルの最適化とシステム全体のパフォーマンスの関係は、まだよく分かっていない。 この関係をMIMIC-CDMデータセットから2,400症例を用いて検討した。 マルチエージェントシステムは一般にシングルエージェントよりも優れているが、コンポーネント最適化またはベスト・オブ・ブリードシステムは優れたコンポーネントと優れたプロセスメトリクスは診断精度に優れていない(上位マルチエージェントシステムでは67.7%対77.4%)。
  論文  参考訳（メタデータ） (2025-06-06T23:01:51Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。