論文の概要: PPGL-Swarm: Integrated Multimodal Risk Stratification and Hereditary Syndrome Detection in Pheochromocytoma and Paraganglioma

• arxiv url: http://arxiv.org/abs/2603.21700v1
• Date: Mon, 23 Mar 2026 08:37:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.572517
• Title: PPGL-Swarm: Integrated Multimodal Risk Stratification and Hereditary Syndrome Detection in Pheochromocytoma and Paraganglioma
• Title（参考訳）: PPGL-Swarm:Pheochromocytoma と Paraganglioma における統合型多モードリスク階層化と遺伝症候群の検出
• Authors: Zelin Liu, Xiangfu Yu, Jie Huang, Ge Wang, Yizhe Yuan, Zhenyu Yi, Jing Xie, Haotian Jiang, Lichi Zhang,
• Abstract要約: Pheochromocytomas and paragangliomas (HBLs) は稀な神経内分泌腫瘍であり,5年生存率は34%であった。 PPGLは、より厳格で、シンドローム特異的な治療と監視を必要とする遺伝性症候群を示す。 本稿では,総合的な報告を生成するエージェントPPGL診断システムであるPPGL-Swarmについて述べる。
• 参考スコア（独自算出の注目度）: 14.257798280790354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pheochromocytomas and paragangliomas (PPGLs) are rare neuroendocrine tumors, of which 15-25% develop metastatic disease with 5-year survival rates reported as low as 34%. PPGL may indicate hereditary syndromes requiring stricter, syndrome-specific treatment and surveillance, but clinicians often fail to recognize these associations in routine care. Clinical practice uses GAPP score for PPGL grading, but several limitations remain for PPGL diagnosis: (1) GAPP scoring demands a high workload for clinician because it requires the manual evaluation of six independent components; (2) key components such as cellularity and Ki-67 are often evaluated with subjective criteria; (3) several clinically relevant metastatic risk factors are not captured by GAPP, such as SDHB mutations, which have been associated with reported metastatic rates of 35-75%. Agent-driven diagnostic systems appear promising, but most lack traceable reasoning for decision-making and do not incorporate domain-specific knowledge such as PPGL genotype information. To address these limitations, we present PPGL-Swarm, an agentic PPGL diagnostic system that generates a comprehensive report, including automated GAPP scoring (with quantified cellularity and Ki-67), genotype risk alerts, and multimodal report with integrated evidence. The system provides an auditable reasoning trail by decomposing diagnosis into micro-tasks, each assigned to a specialized agent. The gene and table agents use knowledge enhancement to better interpret genotype and laboratory findings, and during training we use reinforcement learning to refine tool selection and task assignment.
• Abstract（参考訳）: Pheochromocytomas and paragangliomas (PPGLs) は稀な神経内分泌腫瘍であり、15-25%が転移性疾患を発症し、5年生存率は34%と報告されている。 PPGLは、より厳格で、シンドローム特異的な治療と監視を必要とする遺伝性症候群を示すことがあるが、臨床医は日常治療でこれらの関連を認識できないことが多い。 1) GAPPスコアは6つの独立したコンポーネントのマニュアル評価を必要とするため臨床医に高い作業負荷を要求すること,(2) 細胞性やKi-67などの重要なコンポーネントは主観的基準で評価されることが多かったこと,(3) SDHB変異などGAPPに関連性のあるいくつかの転移リスク因子は、GAPPが取得していないこと, SDHB変異は35-75%と報告されている。 エージェント駆動診断システムは有望なように思われるが、ほとんどの場合意思決定のための追跡可能な理由がなく、PPGL遺伝子型情報のようなドメイン固有の知識は組み込まれていない。 これらの制約に対処するため,PPGL-SwarmというエージェントによるPPGL診断システムを用いて,GAPP自動スコアリング(定量化セルリティとKi-67),ジェノタイプリスク警告,マルチモーダルレポートなどの総合的なレポートを生成する。 このシステムは、診断をマイクロタスクに分解し、それぞれ専門のエージェントに割り当てられる監査可能な推論経路を提供する。 遺伝子およびテーブルエージェントは、知識向上を利用して、遺伝子型と検査結果の理解を深め、トレーニング中は強化学習を用いてツールの選択とタスク割り当てを洗練する。

関連論文リスト

• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• CytoDINO: Risk-Aware and Biologically-Informed Adaptation of DINOv3 for Bone Marrow Cytomorphology [0.0]
  我々はミュンヘン白血病研究所のデータセット上で最先端のパフォーマンスを実現するフレームワークであるCytoDINOを紹介した。 私たちの主な貢献は、細胞間の生物学的な関係をコード化し、臨床的に危険な誤分類を明示的に罰する、ヒエララルカル・フーカル・ロス・ウィット・クリティカル・ペナルティ(Hierarchical Focal Loss with critical penalties)である。 CytoDINOは21種類のテストセットで88.2%の重み付きF1スコアと76.5%のマクロF1を達成している。
  論文  参考訳（メタデータ） (2025-12-09T23:09:22Z)
• 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)
• RiskAgent: Autonomous Medical AI Copilot for Generalist Risk Prediction [27.520717720270415]
  本稿では,幅広い医療リスク予測を行うためのリスクエージェントシステムを提案する。 RiskAgentは、心臓血管疾患や癌など、様々な複雑な疾患の387以上のリスクシナリオをカバーしている。 我々は、リスク予測に特化した最初のベンチマークMedRiskを構築した。その中には、154の疾患、86の症状、50の専門性、24の臓器システムを含む12,352の質問が含まれている。
  論文  参考訳（メタデータ） (2025-03-05T18:46:51Z)
• Survey and Improvement Strategies for Gene Prioritization with Large Language Models [61.24568051916653]
  大規模言語モデル (LLM) は, 医学検査において良好に機能しているが, 希少な遺伝疾患の診断における有効性は評価されていない。 表現型と可溶性レベルに基づいて, マルチエージェントとヒトフェノタイプオントロジー(HPO)を分類した。 ベースラインでは、GPT-4は他のLLMよりも優れており、因果遺伝子を正しくランク付けする際の精度は30%近く向上した。
  論文  参考訳（メタデータ） (2025-01-30T23:03:03Z)
• GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI [67.09501109871351]
  LVLM(Large Vision-Language Model)は、画像、テキスト、生理学的信号などの多様なデータタイプを扱うことができる。 GMAI-MMBenchは、よく分類されたデータ構造と、これまででもっとも包括的な一般医療用AIベンチマークである。 38の医療画像モダリティ、18の臨床関連タスク、18の部門、視覚質問回答(VQA)フォーマットの4つの知覚的粒度からなる284のデータセットで構成されている。
  論文  参考訳（メタデータ） (2024-08-06T17:59:21Z)
• Weakly Supervised Detection of Pheochromocytomas and Paragangliomas in CT [3.8929081466168065]
  褐色細胞腫 (Pheochromocytomas) とパラガングリオーマ (Paragangliomas, Ls) は稀な副腎腫瘍である。 本稿では,プロキシセグメンテーションタスクを用いたCT研究におけるPPGLの自動検出手法を提案する。 PPGLと診断された255例の胸腹部骨盤CTによるデータセットについて検討した。
  論文  参考訳（メタデータ） (2024-02-12T22:45:19Z)

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。