論文の概要: A longitudinal health agent framework
- arxiv url: http://arxiv.org/abs/2604.12019v1
- Date: Mon, 13 Apr 2026 20:03:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.1029
- Title: A longitudinal health agent framework
- Title（参考訳）: 縦型健康エージェントの枠組み
- Authors: Georgianna, Lin, Rencong Jiang, Noémie Elhadad, Xuhai "Orson" Xu,
- Abstract要約: 繰り返しの相互作用に対して適応、コヒーレンス、連続性、エージェンシーを運用する多層フレームワークとそれに対応するエージェントアーキテクチャを提案する。
我々は、縦型エージェントが有意義なエンゲージメントを維持し、進化する目標に適応し、安全でパーソナライズされた意思決定をサポートする方法を実証する。
- 参考スコア（独自算出の注目度）: 3.4292252409420096
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although artificial intelligence (AI) agents are increasingly proposed to support potentially longitudinal health tasks, such as symptom management, behavior change, and patient support, most current implementations fall short of facilitating user intent and fostering accountability. This contrasts with prior work on supporting longitudinal needs, where follow-up, coherent reasoning, and sustained alignment with individuals' goals are critical for both effectiveness and safety. In this paper, we draw on established clinical and personal health informatics frameworks to define what it would mean to orchestrate longitudinal health interactions with AI agents. We propose a multi-layer framework and corresponding agent architecture that operationalizes adaptation, coherence, continuity, and agency across repeated interactions. Through representative use cases, we demonstrate how longitudinal agents can maintain meaningful engagement, adapt to evolving goals, and support safe, personalized decision-making over time. Our findings underscore both the promise and the complexity of designing systems capable of supporting health trajectories beyond isolated interactions, and we offer guidance for future research and development in multi-session, user-centered health AI.
- Abstract（参考訳）: 人工知能(AI)エージェントは、症状管理、行動変化、患者サポートなど、潜在的に長手な健康タスクをサポートするためにますます提案されているが、現在の実装のほとんどは、ユーザの意図の促進と説明責任の育成に不足している。
これは、フォローアップ、一貫性のある推論、個人の目標との継続的な一致が、有効性と安全性の両方に不可欠である、縦断的ニーズを支持する以前の作業とは対照的である。
本稿では,AIエージェントとの縦断的健康相互作用を編成することの意味を定義するために,確立された臨床および個人健康情報フレームワークについて述べる。
繰り返しの相互作用に対して適応、コヒーレンス、連続性、エージェンシーを運用する多層フレームワークとそれに対応するエージェントアーキテクチャを提案する。
代表的ユースケースを通じて、縦断的エージェントが有意義なエンゲージメントを維持し、進化する目標に適応し、安全でパーソナライズされた意思決定を時間とともにサポートするかを実証する。
我々の発見は、孤立した相互作用を超えて、健康軌道を支援するシステムの設計の約束と複雑さの両方を強調し、マルチセッションでユーザ中心のヘルスAIにおける将来の研究と開発のためのガイダンスを提供する。
関連論文リスト
- A Safety-Aware Role-Orchestrated Multi-Agent LLM Framework for Behavioral Health Communication Simulation [0.0]
単一エージェント大規模言語モデル(LLM)システムは、多様な会話機能をサポートし、行動保健コミュニケーションにおける安全性を維持するのに苦労する。
本稿では, 協調型, 役割分化型エージェントによる支援行動保健対話をシミュレートするための, 安全に配慮したマルチエージェントLLMフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-31T21:21:31Z) - Rethinking Health Agents: From Siloed AI to Collaborative Decision Mediators [12.746145837575709]
医療におけるAIシステムはサイロ化された構成で運用されており、医療中心のマルチステークホルダー関係ではなく、個々のユーザーをサポートする。
本稿では,コンテキスト情報を抽出し,メンタルモデルを精査し,足場共有理解を行うAIコラボレータを設計するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2026-03-26T03:27:13Z) - The Doctor Will (Still) See You Now: On the Structural Limits of Agentic AI in Healthcare [18.202521625229732]
我々は、開発者、実装者、エンドユーザーを含む20人の利害関係者へのインタビューに基づく質的研究を提示する。
エージェントの定義に関する概念的断片化」という3つの相互強化的緊張について分析した。
我々はエージェントAIが、技術的願望、商業的インセンティブ、臨床的制約が交わる、争われた意味作りの場として機能すると主張している。
論文 参考訳（メタデータ） (2026-02-06T02:53:40Z) - MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning [53.37068897861388]
MedSAM-Agentは、対話的なセグメンテーションを多段階の自律的な意思決定プロセスとして再構築するフレームワークである。
マルチターン・エンド・ツー・エンドの成果検証を統合した2段階のトレーニングパイプラインを開発した。
6つの医療モダリティと21のデータセットにわたる実験は、MedSAM-Agentが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-02-03T09:47:49Z) - Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。
エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
論文 参考訳（メタデータ） (2025-10-29T17:47:18Z) - EndoAgent: A Memory-Guided Reflective Agent for Intelligent Endoscopic Vision-to-Decision Reasoning [6.96058549084651]
EndoAgentは、視覚から決定への内視鏡分析のためのメモリ誘導剤である。
反復推論と適応的なツールの選択とコラボレーションを統合する。
一般的なマルチモーダルモデルと医療用マルチモーダルモデルの両方を一貫して上回っている。
論文 参考訳（メタデータ） (2025-08-10T11:02:57Z) - Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。
専門医2名と専門医9名を対象にインタビューを行った。
我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。
既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
論文 参考訳（メタデータ） (2025-05-30T21:15:57Z) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。
我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
論文 参考訳（メタデータ） (2024-11-16T18:19:53Z)
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。