論文の概要: DongYuan: An LLM-Based Framework for Integrative Chinese and Western Medicine Spleen-Stomach Disorders Diagnosis
- arxiv url: http://arxiv.org/abs/2603.28191v1
- Date: Mon, 30 Mar 2026 08:56:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.313785
- Title: DongYuan: An LLM-Based Framework for Integrative Chinese and Western Medicine Spleen-Stomach Disorders Diagnosis
- Title（参考訳）: DongYuan:中国と西洋の統合医療のためのLCMベースのフレームワーク : 脾・胃疾患の診断
- Authors: Hua Li, Yingying Li, Xiaobin Feng, Xinyi Fu, Lifeng Dong, Qingfeng Yang, Yanzhe Chen, Xiaoju Feng, Zhidong Cao, Jianbin Guo, Yanru Du,
- Abstract要約: 大言語モデル(LLM)は、統合中国語・西洋医学(ICWM)の文脈において3つの大きな課題に直面している。
高品質なデータがないこと、伝統的な中国医学(TCM)症候群の推論ロジックを西洋医学(WM)の診断と効果的に統合できるモデルがないこと、標準化された評価ベンチマークが欠けていること、などである。
ICWMスプレエンストマチ診断フレームワークであるDongYuanを提案する。具体的には3つのICWMデータセット(SSDF-Syndrome, SSDF-Dialogue, SSDF-PD)を高いギャップを埋めるためにキュレートした。
- 参考スコア（独自算出の注目度）: 13.481610819487079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The clinical burden of spleen-stomach disorders is substantial. While large language models (LLMs) offer new potential for medical applications, they face three major challenges in the context of integrative Chinese and Western medicine (ICWM): a lack of high-quality data, the absence of models capable of effectively integrating the reasoning logic of traditional Chinese medicine (TCM) syndrome differentiation with that of Western medical (WM) disease diagnosis, and the shortage of a standardized evaluation benchmark. To address these interrelated challenges, we propose DongYuan, an ICWM spleen-stomach diagnostic framework. Specifically, three ICWM datasets (SSDF-Syndrome, SSDF-Dialogue, and SSDF-PD) were curated to fill the gap in high-quality data for spleen-stomach disorders. We then developed SSDF-Core, a core diagnostic LLM that acquires robust ICWM reasoning capabilities through a two-stage training regimen of supervised fine-tuning. tuning (SFT) and direct preference optimization (DPO), and complemented it with SSDF-Navigator, a pluggable consultation navigation model designed to optimize clinical inquiry strategies. Additionally, we established SSDF-Bench, a comprehensive evaluation benchmark focused on ICWM diagnosis of spleen-stomach disorders. Experimental results demonstrate that SSDF-Core significantly outperforms 12 mainstream baselines on SSDF-Bench. DongYuan lays a solid methodological foundation and provides practical technical references for the future development of intelligent ICWM diagnostic systems.
- Abstract（参考訳）: 脾・胃疾患の臨床的負担は大きい。
大規模言語モデル(LLMs)は医学応用に新たな可能性を提供する一方で、高品質なデータがないこと、伝統的な中国医学(TCM)症候群と西洋医学(WM)疾患の診断を効果的に統合できるモデルがないこと、標準化された評価ベンチマークの欠如など、統合的漢方医学(ICWM)の文脈において3つの大きな課題に直面している。
これらの課題に対処するため,ICWMスプレエンストマチ診断フレームワークであるDongYuanを提案する。
具体的には、3つのICWMデータセット(SSDF-Syndrome, SSDF-Dialogue, SSDF-PD)をキュレートし、脾・胃疾患の高品質なデータのギャップを埋めた。
次に、教師付き微調整の2段階のトレーニングレギュレーションにより、堅牢なICWM推論能力を取得するコア診断用LCMであるSSDF-Coreを開発した。
チューニング(SFT)と直接選好最適化(DPO)は、臨床検査戦略を最適化するために設計された、プラガブルなコンサルテーションナビゲーションモデルであるSSDF-Navigatorと補完する。
さらに,脾・胃疾患のICWM診断に焦点をあてた総合評価ベンチマークであるSSDF-Benchを作成した。
実験の結果、SSDF-CoreはSSDF-Benchで12のメインストリームベースラインを大きく上回っていることがわかった。
DongYuanはしっかりとした方法論の基礎を築き、インテリジェントICWM診断システムの開発に実用的な技術的参考を提供する。
関連論文リスト
- Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。
消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。
本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T07:47:37Z) - Chain-of-Thought Reasoning with Large Language Models for Clinical Alzheimer's Disease Assessment and Diagnosis [5.934813916147763]
アルツハイマー病(AD)は世界中の神経変性疾患となっている。
大規模言語モデル (LLM) は電子的健康記録を用いて医療分野に適用されつつある。
本研究は,患者の臨床用ERHを考慮し,LCMを用いてCoT(Chain-of-Thought)を実行することを提案する。
論文 参考訳（メタデータ） (2026-02-15T03:56:24Z) - RE-MCDF: Closed-Loop Multi-Expert LLM Reasoning for Knowledge-Grounded Clinical Diagnosis [11.973474883672282]
関係強化型多専門的臨床診断フレームワークRE-MCDFを提案する。
我々は,RE-MCDFが複雑な診断シナリオにおいて,最先端のベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-02-01T15:53:27Z) - MedAD-R1: Eliciting Consistent Reasoning in Interpretible Medical Anomaly Detection via Consistency-Reinforced Policy Optimization [46.65200216642429]
我々はMedADの最初の大規模マルチモーダル・マルチセンタベンチマークであるMedAD-38Kを紹介し、構造化された視覚質問応答(VQA)ペアとともに、CoT(Chain-of-Thought)アノテーションを特徴付ける。
提案するモデルであるMedAD-R1は、MedAD-38Kベンチマーク上での最先端(SOTA)性能を実現し、強いベースラインを10%以上上回った。
論文 参考訳（メタデータ） (2026-02-01T07:56:10Z) - MMedExpert-R1: Strengthening Multimodal Medical Reasoning via Domain-Specific Adaptation and Clinical Guideline Reinforcement [63.82954136824963]
医療ビジョンランゲージモデルでは、現実世界のシナリオで必要とされる複雑な臨床推論を伴う知覚タスクが優れている。
本稿ではドメイン固有の適応とガイドライン強化を通じてこれらの課題に対処する新しい推論MedVLMを提案する。
論文 参考訳（メタデータ） (2026-01-16T02:32:07Z) - MedAlign: A Synergistic Framework of Multimodal Preference Optimization and Federated Meta-Cognitive Reasoning [52.064286116035134]
我々はMed-VQA(Med-VQA)のための視覚的LVLM応答を保証するフレームワークであるMedAlignを開発した。
まず、優先学習を視覚的コンテキストに合わせるために、マルチモーダルな直接選好最適化(mDPO)の目的を提案する。
次に、画像とテキストの類似性を生かし、クエリを専門的でコンテキスト拡張されたLVLMにルーティングする検索型混合処理(RA-MoE)アーキテクチャを設計する。
論文 参考訳（メタデータ） (2025-10-24T02:11:05Z) - 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) - Cross-modal Causal Intervention for Alzheimer's Disease Prediction [13.584994367762398]
アルツハイマー病診断のためのCross-modal Causal Intervention with Mediator (MediAD) という視覚言語因果性に着想を得たフレームワークを提案する。
我々の枠組みは、統一因果介入法により、観測可能・観測不可能な共同創設者の効果を暗黙的に緩和する。
論文 参考訳（メタデータ） (2025-07-18T14:21:24Z) - JingFang: An Expert-Level Large Language Model for Traditional Chinese Medicine Clinical Consultation and Syndrome Differentiation-Based Treatment [0.0]
従来の中国医学(TCM)の効果的な応用には、TCMと臨床経験の豊富な知識が必要である。
TCMのための既存のLarge Language Models (LLMs) は、不完全な臨床診断と診断の限界を示す。
JingFang(JF)は,臨床相談や症候群の鑑別における専門知識のレベルを示す新しいTLM LLMである。
論文 参考訳（メタデータ） (2025-02-04T01:45:42Z)
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。