論文の概要: Grounding Clinical AI Competency in Human Cognition Through the Clinical World Model and Skill-Mix Framework
- arxiv url: http://arxiv.org/abs/2604.08226v1
- Date: Thu, 09 Apr 2026 13:20:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:05.93492
- Title: Grounding Clinical AI Competency in Human Cognition Through the Clinical World Model and Skill-Mix Framework
- Title（参考訳）: 臨床世界モデルとスキルミクス・フレームワークによる人間の認知における臨床AI能力の評価
- Authors: Seyed Amir Ahmad Safavi-Naini, Elahe Meftah, Josh Mohess, Pooya Mohammadi Kazaj, Georgios Siontis, Zahra Atf, Peter R. Lewis, Mauricio Reyes, Girish Nadkarni, Roland Wiest, Stephan Windecker, Christoph Grani, Ali Soroush, Isaac Shiri,
- Abstract要約: 本稿では,三者間相互作用としてケアを形式化する臨床世界モデルを紹介する。
我々は、提供者、患者、AIエージェントのための並列意思決定アーキテクチャを開発する。
このフレームワークは、臨床AIをステークホルダー間で特定、評価、バウンドできる共通の文法を提供する。
- 参考スコア（独自算出の注目度）: 2.048286515359845
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The competency of any intelligent agent is bounded by its formal account of the world in which it operates. Clinical AI lacks such an account. Existing frameworks address evaluation, regulation, or system design in isolation, without a shared model of the clinical world to connect them. We introduce the Clinical World Model, a framework that formalizes care as a tripartite interaction among Patient, Provider, and Ecosystem. To formalize how any agent, whether human or artificial, transforms information into clinical action, we develop parallel decision-making architectures for providers, patients, and AI agents, grounded in validated principles of clinical cognition. The Clinical AI Skill-Mix operationalizes competency through eight dimensions. Five define the clinical competency space (condition, phase, care setting, provider role, and task) and three specify how AI engages human reasoning (assigned authority, agent facing, and anchoring layer). The combinatorial product of these dimensions yields a space of billions of distinct competency coordinates. A central structural implication is that validation within one coordinate provides minimal evidence for performance in another, rendering the competency space irreducible. The framework supplies a common grammar through which clinical AI can be specified, evaluated, and bounded across stakeholders. By making this structure explicit, the Clinical World Model reframes the field's central question from whether AI works to in which competency coordinates reliability has been demonstrated, and for whom.
- Abstract（参考訳）: 知的エージェントの能力は、それが運営する世界の公式な説明によって制限される。
臨床AIにはそのような説明がない。
既存のフレームワークは、それらを接続する臨床世界の共有モデルなしで、評価、規制、システム設計を独立して扱う。
患者,提供者,生態系間の三者間相互作用としてケアを形式化するフレームワークである臨床世界モデルを紹介する。
人間か人工かにかかわらず、どのようなエージェントが情報を臨床行動に変換するかを形式化するため、我々は、臨床認知の検証された原則に基づいて、提供者、患者、AIエージェントのための並列な意思決定アーキテクチャを開発する。
臨床AIスキルミクスは8次元を通して能力を操作する。
5つは、臨床能力空間(条件、フェーズ、ケア設定、提供者の役割、タスク)を定義し、3つは、AIが人間の推論(アサインされた権威、エージェントの対面、アンカー層)にどのように関わるかを定義している。
これらの次元の組合せ積は、何十億もの異なる能力座標の空間をもたらす。
中心的な構造的意味は、ある座標における検証は別の座標における性能の最小限の証拠を与え、能力空間は既約であるということである。
このフレームワークは、臨床AIをステークホルダー間で特定、評価、バウンドできる共通の文法を提供する。
この構造を明確化することによって、臨床世界モデルでは、AIが機能するかどうか、能力の信頼性が証明されたか、誰のために機能するかという分野の中心的な疑問を再考する。
関連論文リスト
- Augmenting Clinical Decision-Making with an Interactive and Interpretable AI Copilot: A Real-World User Study with Clinicians in Nephrology and Obstetrics [36.981753143345664]
共同臨床意思決定のための対話型・解釈可能なAIコラボロであるAICareについて紹介する。
縦断的な電子健康記録を解析することにより、AICareは動的リスク予測を精査可能な可視化に基礎を置いている。
論文 参考訳（メタデータ） (2026-01-31T13:41:32Z) - Responsible Evaluation of AI for Mental Health [72.85175110624736]
メンタルヘルスケアにおけるAIツールの評価に対する現在のアプローチは、断片化されており、臨床実践、社会的コンテキスト、ファーストハンドのユーザエクスペリエンスと不整合である。
本稿では,臨床の健全性,社会的文脈,公平性を統合した学際的枠組みを導入することにより,責任ある評価を再考する。
論文 参考訳（メタデータ） (2026-01-20T12:55:10Z) - MCP-AI: Protocol-Driven Intelligence Framework for Autonomous Reasoning in Healthcare [0.0]
MCP-AIは、モデルコンテキストプロトコル上に構築された、説明可能な医療意思決定のための新しいアーキテクチャである。
MCP-AIは、ケア設定全体にわたって適応的、縦断的、協調的な推論をサポートする。
論文 参考訳（メタデータ） (2025-12-05T02:02:22Z) - Before the Clinic: Transparent and Operable Design Principles for Healthcare AI [42.994619952353396]
医療AIの先進的な技術的要件を運用するための基本設計原則を2つ提案する。
我々は、これらの原則を確立されたXAIフレームワークに根ざし、それらをドキュメント化された臨床ニーズにマッピングし、新たなガバナンス要件との整合性を実証します。
この前臨床プレイブックは、開発チームに対して実行可能なガイダンスを提供し、臨床評価への道を加速し、AI研究者、医療実践家、規制ステークホルダーを分かち合う共通語彙を確立する。
論文 参考訳（メタデータ） (2025-10-31T04:05:09Z) - From Explainability to Action: A Generative Operational Framework for Integrating XAI in Clinical Mental Health Screening [0.3181700357675698]
本稿では,このギャップは翻訳問題であり,生成操作フレームワークを提案する。
このフレームワークは、様々なXAIツールから得られた生の技術的出力を取り込み、臨床ガイドラインでそれらを合成するように設計されている。
論文 参考訳（メタデータ） (2025-10-10T05:46:39Z) - Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。
フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
論文 参考訳（メタデータ） (2024-12-02T15:25:02Z) - Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。
本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。
その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - OpenClinicalAI: enabling AI to diagnose diseases in real-world clinical
settings [11.287929392365756]
我々は、研究を促進するためにリアルな臨床環境を構築するために、臨床AIBenchという名の臨床AIベンチマークを構築した。
我々はオープンでダイナミックな機械学習フレームワークを提案し、リアルな臨床環境で病気を診断するOpenClinicalAIと呼ばれるAIシステムを開発した。
実際の臨床環境では、OpenClinicalAIは最先端のAIシステムを大幅に上回っている。
論文 参考訳（メタデータ） (2021-09-09T02:59:36Z)
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。