論文の概要: Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity

• arxiv url: http://arxiv.org/abs/2603.17392v1
• Date: Wed, 18 Mar 2026 06:15:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.539688
• Title: Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity
• Title（参考訳）: エージェント認知プロファイリング : 臨床構成妥当性によるアルツハイマー病自動検出の実現
• Authors: Jiawen Kang, Kun Li, Dongrui Han, Jinchao Li, Junan Li, Lingwei Meng, Xixin Wu, Helen Meng,
• Abstract要約: 本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
• 参考スコア（独自算出の注目度）: 66.94391219005291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated Alzheimer's Disease (AD) screening has predominantly followed the inductive paradigm of pattern recognition, which directly maps the input signal to the outcome label. This paradigm sacrifices construct validity of clinical protocol for statistical shortcuts. This paper proposes Agentic Cognitive Profiling (ACP), an agentic framework that realigns automated screening with clinical protocol logic across multiple cognitive domains. Rather than learning opaque mappings from transcripts to labels, the framework decomposes standardized assessments into atomic cognitive tasks and orchestrates specialized LLM agents to extract verifiable scoring primitives. Central to our design is decoupling semantic understanding from measurement by delegating all quantification to deterministic function calling, thereby mitigating hallucination and restoring construct validity. Unlike popular datasets that typically comprise around a hundred participants under a single task, we evaluate on a clinically-annotated corpus of 402 participants across eight structured cognitive tasks spanning multiple cognitive domains. The framework achieves 90.5% score match rate in task examination and 85.3% accuracy in AD prediction, surpassing popular baselines while generating interpretable cognitive profiles grounded in behavioral evidence. This work demonstrates that construct validity and predictive performance need not be traded off, charting a path toward AD screening systems that explain rather than merely predict.
• Abstract（参考訳）: 自動アルツハイマー病スクリーニング(AD)は、入力信号を結果ラベルに直接マッピングするパターン認識の帰納的パラダイムに主に従っている。 このパラダイムは、統計的ショートカットのための臨床プロトコルの妥当性の構築を犠牲にしている。 本稿では,複数の認知領域にまたがる臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 このフレームワークは、転写文字からラベルへの不透明なマッピングを学ぶのではなく、標準化された評価を原子認知タスクに分解し、検証可能なスコアリングプリミティブを抽出するために特殊なLLMエージェントを編成する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味理解を分離することで、幻覚を緩和し、構造的妥当性を回復させることである。 通常、1つのタスクで約100人の参加者で構成される一般的なデータセットとは異なり、複数の認知ドメインにまたがる8つの構造化された認知タスクに対して、402人の参加者からなる臨床的に注釈付けされたコーパスで評価する。 このフレームワークは、AD予測において90.5%のスコアマッチ率と85.3%の精度を達成し、行動証拠に基づく解釈可能な認知プロファイルを生成しながら、一般的なベースラインを超えている。 この研究は、構築の妥当性と予測性能をトレードオフする必要はないことを示し、単に予測するのではなく、ADスクリーニングシステムへの道をグラフ化している。

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)
• Detecting Cognitive Signatures in Typing Behavior for Non-Intrusive Authorship Verification [0.0]
  AI生成テキストの普及により、信頼性の高いオーサシップ検証の必要性が高まっているが、現在のアウトプットベースのメソッドはますます信頼できないものになっている。 通常のタイピングインタフェースは、キーストロークタイミングにおけるリッチな認知的シグネチャ、測定可能なパターンを捉え、実際の構成の計画、翻訳、修正の段階を反映する。 本稿では、既存の書き込みインターフェース内で動作し、プライバシを保護するためにタイミングメタデータのみを収集する非侵入的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-26T20:02:55Z)
• Modeling Expert AI Diagnostic Alignment via Immutable Inference Snapshots [1.0499611180329804]
  初期モデル推論と専門家補正の遷移は、構造化信号としてはほとんど分析されない。 本稿では,AI生成画像に基づくレポートを不変な推論状態として保存する診断アライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-26T13:11:58Z)
• Interpretable Clinical Classification with Kolgomorov-Arnold Networks [70.72819760172744]
  Kolmogorov-Arnold Networks (KAN) は、透明で象徴的な表現を通じて固有の解釈能力を提供する。 Kansは、組み込みの患者レベルの洞察、直感的な可視化、最寄りの患者の検索をサポートする。 これらの結果は、カンを、臨床医が理解し、監査し、行動できる信頼できるAIへの有望なステップと位置づけている。
  論文  参考訳（メタデータ） (2025-09-20T17:21:58Z)
• Identification of Patterns of Cognitive Impairment for Early Detection of Dementia [0.0]
  本稿では,個人固有の障害パターンを識別し,周期的フォローアップのためのパーソナライズされたテストを作成する手法を提案する。 学習されたパターンの集合は、症状前および明らかに正常な人々であっても、認知障害の最も可能性の高い経路を特定するために使用される。
  論文  参考訳（メタデータ） (2025-05-29T05:23:12Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• 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)
• Detecting of a Patient's Condition From Clinical Narratives Using Natural Language Representation [0.3149883354098941]
  本稿では,臨床自然言語表現学習と教師付き分類フレームワークを提案する。 この新しいフレームワークは、文脈的臨床物語入力から分布構文と潜在意味論(表現学習)を共同で発見する。 提案手法では, 精度, 再現性, 精度をそれぞれ89 %, 88 %, 89 %とした総合分類性能が得られる。
  論文  参考訳（メタデータ） (2021-04-08T17:16:04Z)
• Cognitive Biomarker Prioritization in Alzheimer's Disease using Brain Morphometric Data [9.323092528297728]
  ほとんどの研究は、対象とする集団に対する認知的テスト選択のガイドラインを作成しているが、個々の被験者に対してカスタマイズされていない。 我々は、パーソナライズされた認知アセスメントの優先順位付けを可能にする機械学習パラダイムを開発する。
  論文  参考訳（メタデータ） (2020-02-18T16:25:11Z)

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。