論文の概要: Autonomous Agent-Orchestrated Digital Twins (AADT): Leveraging the OpenClaw Framework for State Synchronization in Rare Genetic Disorders
- arxiv url: http://arxiv.org/abs/2603.27104v1
- Date: Sat, 28 Mar 2026 03:18:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.784765
- Title: Autonomous Agent-Orchestrated Digital Twins (AADT): Leveraging the OpenClaw Framework for State Synchronization in Rare Genetic Disorders
- Title（参考訳）: 自律型エージェント組織型デジタル双生児(AADT) : 希少遺伝性疾患における状態同期のためのOpenClaw Frameworkを活用する
- Authors: Hongzhuo Chen, Zhanliang Wang, Quan M. Nguyen, Gongbo Zhang, Chunhua Weng, Kai Wang,
- Abstract要約: 医療デジタルツインズ(MDT)は、臨床、ゲノム、生理学的データを統合し、診断、治療計画、結果予測をサポートする。
ほとんどのMDTは、静的またはパッシブに更新され、重要な同期ギャップを生み出す。
提案手法は,OpenClawのプロアクティブな「ハートビート」機構とモジュール型エージェントスキルを用いたエージェントオーケストレーション型デジタルツインフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.331956730555078
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Medical Digital Twins (MDTs) are computational representations of individual patients that integrate clinical, genomic, and physiological data to support diagnosis, treatment planning, and outcome prediction. However, most MDTs remain static or passively updated, creating a critical synchronization gap, especially in rare genetic disorders where phenotypes, genomic interpretations, and care guidelines evolve over time. Methods: We propose an agent-orchestrated digital twin framework using OpenClaw's proactive "heartbeat" mechanism and modular Agent Skills. This Autonomous Agent-orchestrated Digital Twin (AADT) system continuously monitors local and external data streams (e.g., patient-reported phenotypes and updates in variant classification databases) and executes automated workflows for data ingestion, normalization, state updates, and trigger-based analysis. Results: A prototype implementation demonstrates that agent orchestration can continuously synchronize MDT states with both longitudinal phenotype updates and evolving genomic knowledge. In rare disease settings, this enables earlier diagnosis and more accurate modeling of disease progression. We present two case studies, including variant reinterpretation and longitudinal phenotype tracking, highlighting how AADTs support timely, auditable updates for both research and clinical care. Conclusion: The AADT framework addresses the key bottleneck of real-time synchronization in MDTs, enabling scalable and continuously updated patient models. We also discuss data security considerations and mitigation strategies through human-in-the-loop system design.
- Abstract（参考訳）: 背景:医療デジタルツインズ(MDTs)は、臨床、ゲノム、生理学的データを統合して診断、治療計画、予後予測を支援する、個々の患者の計算表現である。
しかし、ほとんどのMDTは静的または受動的に更新され、特に表現型、ゲノム解釈、ケアガイドラインが時間とともに進化する稀な遺伝疾患において、重要な同期ギャップを生じる。
方法: OpenClawの能動的「ハートビート」機構とモジュール型エージェントスキルを用いたエージェントオーケストレーション型デジタルツインフレームワークを提案する。
このAutonomous Agent-Orchestrated Digital Twin(AADT)システムは、ローカルおよび外部データストリーム(例えば、患者報告された表現型と、変種分類データベースの更新)を継続的に監視し、データ取り込み、正規化、状態更新、トリガーベースの分析のための自動化ワークフローを実行する。
結果: プロトタイプ実装では,MDT状態と縦長の表現型更新とゲノム知識の進化を連続的に同期させることが実証された。
稀な疾患設定では、早期診断と疾患進行のより正確なモデリングが可能になる。
本研究は,AADTが時間的,監査可能な,研究と臨床の両面での更新をどのようにサポートするかを明らかにするため,変種再解釈と縦断的表現型追跡を含む2つのケーススタディを提案する。
結論: AADTフレームワークは、MDTにおけるリアルタイム同期の鍵となるボトルネックに対処し、スケーラブルで継続的に更新された患者モデルを可能にします。
また,ヒューマン・イン・ザ・ループ・システム設計によるデータセキュリティの考察と緩和戦略についても論じる。
関連論文リスト
- DT-BEHRT: Disease Trajectory-aware Transformer for Interpretable Patient Representation Learning [29.777694695551606]
EHR(DT-BEHRT)用疾患軌跡認識変換器
本稿では,臓器内における診断中心の相互作用を明示的にモデル化し,非同期進行パターンを捉えることで,疾患の軌跡を乱すグラフ強化シーケンシャルアーキテクチャを提案する。
複数のベンチマークデータセットの実験では、DT-BEHRTは強い予測性能を示し、臨床医の疾患中心の推論と一致する解釈可能な患者表現を提供する。
論文 参考訳（メタデータ） (2026-03-10T19:21:40Z) - Structured Hybrid Mechanistic Models for Robust Estimation of Time-Dependent Intervention Outcomes [9.820469663506882]
動的システムにおける介入効果の推定は結果の最適化に不可欠である。
力学モデルは典型的には頑丈であるが、過度に単純化されることもある。
本稿では,時間依存的介入結果の予測のためのハイブリッドなメカニスティック・データ駆動手法を提案する。
論文 参考訳（メタデータ） (2026-02-11T20:39:41Z) - Patient Digital Twins for Chronic Care: Technical Hurdles, Lessons Learned, and the Road Ahead [0.0]
慢性疾患は世界中で死亡率、死亡率、医療費の主な負担となっている。
患者医療デジタルツインズ(PMDTs)は、臨床、ゲノム、ライフスタイル、およびQOLデータを統合する患者の総体的かつ継続的に更新されたデジタル版である。
論文 参考訳（メタデータ） (2026-02-11T13:07:00Z) - DT-ICU: Towards Explainable Digital Twins for ICU Patient Monitoring via Multi-Modal and Multi-Task Iterative Inference [3.630848302035617]
本稿では,集中治療における連続的リスク推定のためのデジタルツインフレームワークDT-ICUを紹介する。
DT-ICUは可変長臨床時系列と静的患者情報を統合アーキテクチャで統合する。
我々は,大規模なMIMIC-IVデータセット上でDT-ICUを評価する。
論文 参考訳（メタデータ） (2026-01-12T17:54:19Z) - Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。
これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。
連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
論文 参考訳（メタデータ） (2025-11-06T20:16:33Z) - A Semantic Framework for Patient Digital Twins in Chronic Care [0.0]
患者医療デジタルツイン(PMDT)は、生理的、精神社会的、行動的、ゲノム的な情報をコヒーレントなモデルに統合する。
PMDTはセマンティック・インターオペラビリティを確保し、自動推論をサポートし、さまざまな臨床コンテキストでの再利用を可能にする。
データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代デジタルヘルスエコシステムの検証された基盤を提供する。
論文 参考訳（メタデータ） (2025-10-10T08:34:55Z) - Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。
症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。
臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
論文 参考訳（メタデータ） (2025-08-20T01:58:45Z) - CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。
提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
論文 参考訳（メタデータ） (2024-11-01T15:54:07Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。