論文の概要: Ontology-Aware Design Patterns for Clinical AI Systems: Translating Reification Theory into Software Architecture
- arxiv url: http://arxiv.org/abs/2604.01661v1
- Date: Thu, 02 Apr 2026 06:05:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.471273
- Title: Ontology-Aware Design Patterns for Clinical AI Systems: Translating Reification Theory into Software Architecture
- Title（参考訳）: 臨床AIシステムのためのオントロジー・アウェアデザインパターン:リフィケーション理論をソフトウェアアーキテクチャに変換する
- Authors: Florian Odi Stummer,
- Abstract要約: 臨床AIシステムは、ドキュメント、請求インセンティブ、用語の断片化によって構造的に歪められた健康データを定期的に訓練する。
本稿では,Gang-of-Fourパターン言語における7つの設計パターンを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Clinical AI systems routinely train on health data structurally distorted by documentation workflows, billing incentives, and terminology fragmentation. Prior work has characterised the mechanisms of this distortion: the three-forces model of documentary enactment, the reification feedback loop through which AI may amplify coding artefacts, and terminology governance failures that allow semantic drift to accumulate. Yet translating these insights into implementable software architecture remains an open problem. This paper proposes seven ontology-aware design patterns in Gang-of-Four pattern language for building clinical AI pipelines resilient to ontological distortion. The patterns address data ingestion validation (Ontological Checkpoint), low-frequency signal preservation (Dormancy-Aware Pipeline), continuous drift monitoring (Drift Sentinel), parallel representation maintenance (Dual-Ontology Layer), feedback loop interruption (Reification Circuit Breaker), terminology evolution management (Terminology Version Gate), and pluggable regulatory compliance (Regulatory Compliance Adapter). Each pattern is specified with Problem, Forces, Solution, Consequences, Known Uses, and Related Patterns. We illustrate their composition in a reference architecture for a primary care AI system and provide a walkthrough tracing all seven patterns through a diabetes risk prediction scenario. This paper does not report empirical validation; it offers a design vocabulary grounded in theoretical analysis, subject to future evaluation in production systems. Three patterns have partial precedent in existing systems; the remaining four have not been formally described. Limitations include the absence of runtime benchmarks and restriction to the German and EU regulatory context.
- Abstract（参考訳）: 臨床AIシステムは、ドキュメントワークフロー、請求インセンティブ、用語の断片化によって構造的に歪められた健康データを定期的に訓練する。
従来の研究は、この歪みのメカニズムを特徴づけている: ドキュメンタリーの3要素モデル、AIがコーディングの成果物を増幅するかもしれない改善フィードバックループ、意味的なドリフトを蓄積できる用語的ガバナンスの失敗。
しかし、これらの洞察を実装可能なソフトウェアアーキテクチャに翻訳することは、依然としてオープンな問題である。
本稿では,Gang-of-Fourパターン言語における7つのオントロジー対応設計パターンを提案する。
パターンは、データ取り込み検証(オントロジーチェックポイント)、低周波信号保存(Dormancy-Aware Pipeline)、連続ドリフトモニタリング(Drift Sentinel)、並列表現保守(Dual-Ontology Layer)、フィードバックループ中断(Reification Circuit Breaker)、用語進化管理(Terminology Version Gate)、プラグング可能な規制コンプライアンス(Regulatory Compliance Adapter)に対処する。
各パターンは、問題、フォース、ソリューション、結果、未知の使用、関連パターンで指定されます。
プライマリケアAIシステムのための参照アーキテクチャでそれらの構成を説明し、糖尿病リスク予測シナリオを通じて7つのパターンすべてを追跡するウォークスルーを提供する。
本報告では, 実証検証を報告せず, 理論解析に基づく設計語彙を, 生産システムにおける今後の評価対象として提供する。
3つのパターンは既存のシステムで部分的に前例があり、残りの4つは公式には説明されていない。
制限には、ランタイムベンチマークの欠如と、ドイツとEUの規制状況に対する制限が含まれる。
関連論文リスト
- Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。
In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。
IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
論文 参考訳（メタデータ） (2026-03-11T06:14:11Z) - SoK: Agentic Retrieval-Augmented Generation (RAG): Taxonomy, Architectures, Evaluation, and Research Directions [0.0]
本稿では、これらの自律システムを理解するための最初の統一されたフレームワークを提供する。
エージェント検索生成ループを有限水平部分観測可能なマルコフ決定過程として定式化する。
本研究は,幻覚伝播の複合化,メモリ中毒,検索ミスアライメント,カスケードツール実行脆弱性など,自律ループに固有の重篤なシステムリスクを同定する。
論文 参考訳（メタデータ） (2026-03-07T23:38:57Z) - PARCER as an Operational Contract to Reduce Variance, Cost, and Risk in LLM Systems [0.0]
本稿では,これらの制限に対する工学的対応としてPARCERを提案する。
このフレームワークはYAMLの宣言的な"運用契約"として機能し、インタラクションをバージョン付きおよび実行可能なアーティファクトに変換する。
本研究の目的は、PARCERの概念的および技術的アーキテクチャを提示することであり、シンプルな「プロンプトエンジニアリング」から「統制可能なガバナンスを伴うコンテキストエンジニアリング」へ、必要な移行として位置づけることである。
論文 参考訳（メタデータ） (2026-03-01T01:11:53Z) - Diagnosing Pathological Chain-of-Thought in Reasoning Models [2.8521161475937675]
チェーン・オブ・シンクレット(CoT)推論は現代のLLMアーキテクチャの基本である。
我々は, ポストホック合理化, エンコード推論, 内在的推論の3つの異なる病態を同定した。
我々の研究は、CoTの病態を評価するための実用的なツールキットを提供し、トレーニング時のモニタリングに直接的な意味を持つ。
論文 参考訳（メタデータ） (2026-02-14T21:53:47Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳（メタデータ） (2026-01-27T04:00:48Z) - Bridging Temporal and Textual Modalities: A Multimodal Framework for Automated Cloud Failure Root Cause Analysis [0.0]
本稿では,事前学習した言語モデル埋め込み空間と時系列表現を調和させる診断フレームワークを提案する。
本フレームワークは,複合障害モードを含むシナリオにおいて,48.75%の精度で診断精度を向上する。
論文 参考訳（メタデータ） (2026-01-08T08:20:44Z) - Subject-Event Ontology Without Global Time: Foundations and Execution Semantics [51.56484100374058]
形式化は9つの公理(A1-A9)を含み、実行可能性の正しさを保証する:履歴の単調性(I1)、因果性の非巡回性(I2)、トレーサビリティ(I3)である。
フォーマル化は、分散システム、マイクロサービスアーキテクチャ、DLTプラットフォーム、およびマルチパースペクティビティシナリオ(異なる主題から事実を分解する)に適用できる。
モデルに基づくアプローチ(A9): スキーマによるイベント検証、アクター認可、グローバル時間なしで因果連鎖の自動構築(W3)。
論文 参考訳（メタデータ） (2025-10-20T19:26:44Z) - Generating Highly Structured Test Inputs Leveraging Constraint-Guided Graph Refinement [4.121384394709256]
本研究では,グラフベース表現を用いて,構造化ドメインに対するテスト入力を統一できるかどうかを検討する。
我々は,8つのAIシステムにおける入力妥当性とセマンティックな保存性を高めるために,このアプローチの有効性を評価する。
論文 参考訳（メタデータ） (2025-07-28T18:54:04Z) - Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。
本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。
残る技術的課題や倫理的考察も分析する。
論文 参考訳（メタデータ） (2025-06-05T05:42:27Z)
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。