論文の概要: Towards a Medical AI Scientist
- arxiv url: http://arxiv.org/abs/2603.28589v1
- Date: Mon, 30 Mar 2026 15:37:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.486168
- Title: Towards a Medical AI Scientist
- Title（参考訳）: 医療AI科学者を目指して
- Abstract要約: 私たちは、臨床自律研究に特化した最初の自律的な研究フレームワークである、メディカルAIサイエンティストを紹介します。
このフレームワークは3つの研究モード、すなわち論文ベースの再現、文学にインスパイアされた革新、タスク駆動探索で動作する。
本システムでは,提案手法と実装の密接な整合性を実現するとともに,実行可能実験において極めて高い成功率を示す。
- 参考スコア（独自算出の注目度）: 73.6056699962416
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous systems that generate scientific hypotheses, conduct experiments, and draft manuscripts have recently emerged as a promising paradigm for accelerating discovery. However, existing AI Scientists remain largely domain-agnostic, limiting their applicability to clinical medicine, where research is required to be grounded in medical evidence with specialized data modalities. In this work, we introduce Medical AI Scientist, the first autonomous research framework tailored to clinical autonomous research. It enables clinically grounded ideation by transforming extensively surveyed literature into actionable evidence through clinician-engineer co-reasoning mechanism, which improves the traceability of generated research ideas. It further facilitates evidence-grounded manuscript drafting guided by structured medical compositional conventions and ethical policies. The framework operates under 3 research modes, namely paper-based reproduction, literature-inspired innovation, and task-driven exploration, each corresponding to a distinct level of automated scientific inquiry with progressively increasing autonomy. Comprehensive evaluations by both large language models and human experts demonstrate that the ideas generated by the Medical AI Scientist are of substantially higher quality than those produced by commercial LLMs across 171 cases, 19 clinical tasks, and 6 data modalities. Meanwhile, our system achieves strong alignment between the proposed method and its implementation, while also demonstrating significantly higher success rates in executable experiments. Double-blind evaluations by human experts and the Stanford Agentic Reviewer suggest that the generated manuscripts approach MICCAI-level quality, while consistently surpassing those from ISBI and BIBM. The proposed Medical AI Scientist highlights the potential of leveraging AI for autonomous scientific discovery in healthcare.
- Abstract（参考訳）: 科学的仮説、実験、原稿を作成する自律システムは最近、発見を加速するための有望なパラダイムとして登場した。
しかし、既存のAIサイエンティストは、主にドメインに依存しないままであり、専門的なデータモダリティを持つ医学的証拠に基礎を置く必要がある臨床医学への適用性を制限する。
本研究では,臨床自律研究に適した最初の自律的研究フレームワークであるメディカルAIサイエンティストを紹介する。
広範囲に調査された文献を臨床技術者の共推論機構を通じて実行可能な証拠に変換することにより、臨床に根ざした概念化を可能にし、生成された研究アイデアのトレーサビリティを向上させる。
さらに、構造化された医療構成慣行と倫理政策によってガイドされたエビデンスに基づく原稿の起草を促進する。
このフレームワークは3つの研究モード、すなわち論文ベースの再現、文学にインスパイアされた革新、タスク駆動の探索の下で運用されている。
大きな言語モデルと人間の専門家による総合的な評価は、メディカルAIサイエンティストが生み出したアイデアが171の症例、19の臨床的タスク、および6つのデータモダリティで生み出したものよりもかなり高い品質であることを示している。
一方,本システムでは,提案手法と実装の密接な整合性を実現するとともに,実行可能実験において極めて高い成功率を示す。
ヒトの専門家とスタンフォード・エージェント・レビューアによる二重盲検評価は、生成された原稿がMICCAIレベルの品質に近づきつつ、ISBIやBIBMの原稿を一貫して上回っていることを示唆している。
提案されたメディカルAIサイエンティストは、医療における自律的な科学的発見にAIを活用する可能性を強調している。
関連論文リスト
- AI Scientist Mission Control (AIMC): Visual Analytics for Human Oversight of Autonomous Scientific Discovery [12.1714185601677]
我々は、自律的な科学的発見の人間の監視のための視覚分析フレームワークであるAIMCを紹介する。
我々は、自律型AI科学者(FARS)が作成した論文のケーススタディを通して、この枠組みを実証する。
本分析では, 再発する方法論的弱点, 研究テーマの進化, 品質のドメイン固有の相違, および, 極めて新しい論文の集合を明らかにした。
論文 参考訳（メタデータ） (2026-08-10T15:46:03Z) - Vibe Medicine: Redefining Biomedical Research Through Human-AI Co-Work [22.700427717216765]
我々は、AIエージェントを自然言語で指示し、複雑な多段階のバイオメディカル研究を実行する、共同作業パラダイムであるVibe Medicineを紹介した。
有効化インフラストラクチャは、有能なLLM、OpenClawやHermes Agentのようなエージェントフレームワーク、OpenClawの医療スキルコレクションの3つのレイヤで構成されている。
幻覚、データプライバシ、過度信頼などの主要なリスクを特定し、より信頼性が高く、信頼できる、そして臨床統合されたエージェント支援研究に向けた方向性を概説する。
論文 参考訳（メタデータ） (2026-04-26T12:27:25Z) - DeepER-Med: Advancing Deep Evidence-Based Research in Medicine Through Agentic AI [10.310030966524161]
我々はエージェントAIシステムを用いた深層医学研究のためのフレームワークであるDeepER-Medを紹介する。
DeepER-Medは、エビデンスベースの生成の明示的で検査可能なワークフローとして、深層医学研究を基盤としている。
複数の基準で広く使われているプロダクショングレードプラットフォームより一貫して優れています。
ヒト臨床評価では、DeepER-Medの結論は7例の臨床勧告と一致している。
論文 参考訳（メタデータ） (2026-04-16T18:17:24Z) - Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。
本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。
オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
論文 参考訳（メタデータ） (2025-10-10T22:26:26Z) - From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [108.1082357960201]
エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。
この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
論文 参考訳（メタデータ） (2025-08-18T05:25:54Z) - Dynamic Knowledge Exchange and Dual-diversity Review: Concisely Unleashing the Potential of a Multi-Agent Research Team [53.38438460574943]
IDVSCIは、大規模言語モデル(LLM)上に構築されたマルチエージェントフレームワークである。
動的知識交換機構とデュアルダイバーシティ・レビュー・パラダイムという2つの重要なイノベーションが組み込まれている。
結果は、IDVSCIが2つのデータセットで常に最高のパフォーマンスを達成していることを示している。
論文 参考訳（メタデータ） (2025-06-23T07:12:08Z) - AI Scientists Fail Without Strong Implementation Capability [33.232300349142285]
人工知能(AI)科学者の出現は、科学的発見のパラダイムシフトを表している。
最近のAI Scientist研究は、独立した科学的発見のための十分な能力を示している。
この大きな進歩にもかかわらず、AI Scientistはコンピュータ科学の分野における画期的な成果をまだ生み出していない。
論文 参考訳（メタデータ） (2025-06-02T06:59:10Z) - AI-Researcher: Autonomous Scientific Innovation [13.58669328864436]
我々は,AIによる科学的発見の実施と評価の方法を変える,完全自律型研究システムであるAI-Researcherを紹介する。
本フレームワークは,文献レビューや仮説生成からアルゴリズムの実装,出版可能な原稿作成に至るまで,完全な研究パイプラインをシームレスに編成する。
論文 参考訳（メタデータ） (2025-05-24T13:54:38Z) - Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。
ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。
LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
論文 参考訳（メタデータ） (2025-05-03T14:21:48Z) - m-KAILIN: Knowledge-Driven Agentic Scientific Corpus Distillation Framework for Biomedical Large Language Models Training [22.996230737442254]
バイオメディカルな大規模言語モデル(LLM)のためのコーパスヘッダーは、オープンソースの科学コーパスにおいて、不十分な量と品質のプレス課題に対処しようとしている。
本稿では, バイオメディカル領域におけるLLMトレーニングに適した, 科学的コーパス蒸留のための知識駆動型エージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-28T08:18:24Z) - From Intention To Implementation: Automating Biomedical Research via LLMs [30.32209981487504]
本稿では,ドライラボ実験を含むバイオメディカル研究プロセス全体を合理化するための,初のエンドツーエンド自動システムであるBioResearcherを紹介する。
BioResearcherはモジュール型のマルチエージェントアーキテクチャを採用し、検索、文学処理、実験設計、プログラミングのための特殊エージェントを統合している。
生成されたプロトコルは、平均して5つの品質指標で典型的なエージェントシステムよりも22.0%優れています。
論文 参考訳（メタデータ） (2024-12-12T16:35:05Z) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z)
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。