論文の概要: When Documents Disagree: Measuring Institutional Variation in Transplant Guidance with Retrieval-Augmented Language Models

• arxiv url: http://arxiv.org/abs/2603.21460v1
• Date: Mon, 23 Mar 2026 00:42:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.42874
• Title: When Documents Disagree: Measuring Institutional Variation in Transplant Guidance with Retrieval-Augmented Language Models
• Title（参考訳）: 文書の解散時:検索言語モデルを用いた移植指導の制度的変動の測定
• Authors: Yubo Li, Ramayya Krishnan, Rema Padman,
• Abstract要約: 固形臓器移植のための患者教育材料は、米国中央で大きく異なる。 検索強化言語モデルを用いて,異なるセンターのハンドブックに同一の患者質問を根拠とする枠組みを導入する。 20.8%の非存在対比較が臨床的に有意な相違を示すことが判明した。
• 参考スコア（独自算出の注目度）: 8.86745721473138
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Patient education materials for solid-organ transplantation vary substantially across U.S. centers, yet no systematic method exists to quantify this heterogeneity at scale. We introduce a framework that grounds the same patient questions in different centers' handbooks using retrieval-augmented language models and compares the resulting answers using a five-label consistency taxonomy. Applied to 102 handbooks from 23 centers and 1,115 benchmark questions, the framework quantifies heterogeneity across four dimensions: question, topic, organ, and center. We find that 20.8% of non-absent pairwise comparisons exhibit clinically meaningful divergence, concentrated in condition monitoring and lifestyle topics. Coverage gaps are even more prominent: 96.2% of question-handbook pairs miss relevant content, with reproductive health at 95.1% absence. Center-level divergence profiles are stable and interpretable, where heterogeneity reflects systematic institutional differences, likely due to patient diversity. These findings expose an information gap in transplant patient education materials, with document-grounded medical question answering highlighting opportunities for content improvement.
• Abstract（参考訳）: 固形臓器移植のための患者教育材料は、米国中央で大きく異なるが、この異種を大規模に定量化するための体系的な方法はない。 検索強化言語モデルを用いて、異なるセンターのハンドブックに同じ患者質問を根拠として、その結果を5ラベルの整合性分類を用いて比較する枠組みを導入する。 23のセンタと1,115のベンチマーク質問から102のハンドブックに適用されたこのフレームワークは、質問、トピック、オルガン、センターの4次元にわたる不均一性を定量化する。 その結果、20.8%が臨床的に有意な相違を示し、状況モニタリングやライフスタイルのトピックに集中していることが判明した。 96.2%の質問ハンドブックは関連コンテンツを見逃しており、95.1%が不在である。 中心レベルの分散プロファイルは安定して解釈可能であり、不均一性は、おそらく患者の多様性によって、体系的な制度的な違いを反映している。 以上の結果から, 患者教育資料における情報ギャップが明らかとなり, 内容改善の機会が浮かび上がっている。

関連論文リスト

• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Certainly Uncertain: A Benchmark and Metric for Multimodal Epistemic and Aleatoric Awareness [106.52630978891054]
  視覚言語AIシステムに特有の不確実性の分類法を提案する。 また、精度と校正誤差の両方によく相関する新しい計量信頼度重み付き精度を導入する。
  論文  参考訳（メタデータ） (2024-07-02T04:23:54Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• Advances in Kidney Biopsy Lesion Assessment through Dense Instance Segmentation [0.3926357402982764]
  腎病理学者による病変スコアは半定量的であり、サーバ間の変動が高い。 DiffRegFormerは計算に優しいフレームワークで、3つの解剖学的クラスにわたる500以上のオブジェクトを効率的に認識できる。 我々の手法は従来の手法よりも優れており、平均精度は52.1%(検出)と46.8%(分離)である。
  論文  参考訳（メタデータ） (2023-09-29T11:59:57Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• Exploring the In-context Learning Ability of Large Language Model for Biomedical Concept Linking [4.8882241537236455]
  本研究では,生物医学的概念リンクのための大規模モデルのコンテキスト内学習機能を活用する手法について検討する。 提案手法は2段階のレトリーブ・アンド・ランク・フレームワークを採用する。 BC5CDRの病体正規化では90.%、化学体正規化では94.7%の精度を達成した。
  論文  参考訳（メタデータ） (2023-07-03T16:19:50Z)
• Developing patient-driven artificial intelligence based on personal rankings of care decision making steps [0.0]
  縦断的横断3段階研究は,医療状況に関する437の表現を自己評価した。 後の格付けの順序変更の頻度は、様々な解釈タスクエンティティに関して、より早く与えられた格付けに依存していた。 本研究は,患者のケアニーズに対処する人工知能ソリューションの構築を支援する。
  論文  参考訳（メタデータ） (2022-05-15T15:45:58Z)
• Statistical Dependency Guided Contrastive Learning for Multiple Labeling in Prenatal Ultrasound [56.631021151764955]
  標準平面認識は出生前超音波(US)スクリーニングにおいて重要な役割を担っている。 我々は,複数の標準平面と対応する解剖学的構造を同時に識別する,新しいマルチラベル学習手法を構築した。
  論文  参考訳（メタデータ） (2021-08-11T06:39:26Z)
• Detecting the patient's need for help with machine learning [0.0]
  新型コロナウイルス感染症に関する自己評価式を分析。 各種健康関連表現文対間の統計的に有意な相関と高いコサイン類似度値を見出した。 畳み込みニューラルネットワークアルゴリズムを用いて行った実験は、患者の表情の助けを求めることを支援する機械学習の適用性を示した。
  論文  参考訳（メタデータ） (2020-12-25T20:30:34Z)
• Towards Fairness in Classifying Medical Conversations into SOAP Sections [2.1485350418225244]
  我々は、医師と患者の会話を医療用SOAPノートのセクションに分類するモデルにおいて、格差を特定し、理解する。 これらの会話における言語に関するより深い分析は、これらの違いが医学的アポイントメントのタイプに関係しており、しばしば関連していることを示している。 我々の発見は、データ自体に存在する可能性のある格差を理解することの重要性と、モデルが利益を均等に分配する能力にどのように影響するかを強調します。
  論文  参考訳（メタデータ） (2020-12-02T14:55:22Z)

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。