論文の概要: Neuro-Symbolic Resolution of Recommendation Conflicts in Multimorbidity Clinical Guidelines

• arxiv url: http://arxiv.org/abs/2604.17340v1
• Date: Sun, 19 Apr 2026 09:22:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.474555
• Title: Neuro-Symbolic Resolution of Recommendation Conflicts in Multimorbidity Clinical Guidelines
• Title（参考訳）: 多施設臨床ガイドラインにおける勧告紛争の解決
• Authors: Shiyao Xie, Jian Du,
• Abstract要約: 本稿では,レコメンデーション冗長性やコンフリクトの検出を自動化するNeuro-Symbolicフレームワークを提案する。 我々のパイプラインでは,非構造化の自然言語を厳密な記号論理言語に変換するためにマルチエージェントシステムを採用している。 論理的規則相互作用の階層的な分類を定式化することにより、我々はローカル・コンフリクト(Local Conflict)と呼ばれる重要なカテゴリーを特定する。
• 参考スコア（独自算出の注目度）: 2.117500646773977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical guidelines, typically developed by independent specialty societies, inherently exhibit substantial fragmentation, redundancy, and logical contradiction. These inconsistencies, particularly when applied to patients with multimorbidity, not only cause cognitive dissonance for clinicians but also introduce catastrophic noise into AI systems, rendering the standard Retrieval-Augmented Generation (RAG) system fragile and prone to hallucination. To address this fundamental reliability crisis, we introduce a Neuro-Symbolic framework that automates the detection of recommendation redundancies and conflicts. Our pipeline employs a multi-agent system to translate unstructured clinical natural language into rigorous symbolic logic language, which is then verified by a Satisfiability (SAT) solver. By formulating a hierarchical taxonomy of logical rule interactions, we identify a critical category termed Local Conflict - a decision conflict arising from the intersection of comorbidities. Evaluating our system on a curated benchmark of 12 authoritative SGLT2 inhibitor guidelines, we reveal that 90.6% of conflicts are Local, a structural complexity that single-disease guidelines fail to address. While state-of-the-art LLMs fail in detecting these conflicts, our neuro-symbolic approach achieves an F1 score of 0.861. This work demonstrates that logical verification must precede retrieval, establishing a new technical standard for automated knowledge coordination in medical AI.
• Abstract（参考訳）: 通常、独立した専門団体によって開発された臨床ガイドラインは、本質的には実質的な断片化、冗長性、論理的矛盾を示す。 これらの矛盾は、特に多義性のある患者に適用される場合、臨床医に認知的不協和を引き起こすだけでなく、AIシステムに破滅的なノイズをもたらす。 この根本的な信頼性危機に対処するために、推奨冗長性や矛盾の自動検出を行うNeuro-Symbolicフレームワークを導入する。 我々のパイプラインでは,非構造化の自然言語を厳密な記号論理言語に翻訳するマルチエージェントシステムを用いており,それをSAT(Satisfiability)ソルバで検証する。 論理的ルール相互作用の階層的な分類を定式化することにより、我々は「ローカル・コンフリクト(Local Conflict)」と呼ばれる重要なカテゴリーを同定する。 12のSGLT2インヒビターガイドラインをキュレートしたベンチマークで評価した結果,90.6%のコンフリクトが局所的であり,単剤投与ガイドラインが対処できない構造的複雑性であることがわかった。 最先端のLSMはこれらの衝突を検出するのに失敗するが、我々の神経シンボル的アプローチはF1スコア0.861に達する。 この研究は、論理的検証が検索に先行することを示し、医療AIにおける知識の自動調整のための新しい技術標準を確立する。

関連論文リスト

• Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
  大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。 損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。 視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。 言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
  論文  参考訳（メタデータ） (2026-03-20T02:07:10Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation [5.601620793903095]
  精神科相談のための統合的調査・診断強化学習フレームワーク MIND を提案する。 具体的には,会話コンテキストを臨床検索状態に要約するクリテリア・グラウンド精神医学推論銀行(PRB)を構築した。 この基礎の上に構築されたMINDは、中間決定ステップに対するきめ細かい監督を提供するために、ルーリックベースのプロセス報酬による明確な臨床推論を強制する。
  論文  参考訳（メタデータ） (2026-03-04T03:05:38Z)
• 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)
• Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models [48.95516224614331]
  MedGaze-Benchは、臨床医の視線を認知的カーソルとして活用し、手術、緊急シミュレーション、診断解釈における意図的理解を評価する最初のベンチマークである。 本ベンチマークでは,解剖学的構造の視覚的均一性,臨床における時間・因果依存性の厳格化,安全プロトコルへの暗黙の順守という3つの基本的な課題に対処する。
  論文  参考訳（メタデータ） (2026-01-11T02:20:40Z)
• Towards Robust and Fair Next Visit Diagnosis Prediction under Noisy Clinical Notes with Large Language Models [4.56877715768796]
  本稿では,多種多様なテキスト破損シナリオ下での最先端の大規模言語モデル(LLM)の体系的研究について述べる。 臨床に根ざしたラベル推論手法と,臨床医の推論をエミュレートする階層的チェーン・オブ・シント(CoT)戦略を導入する。
  論文  参考訳（メタデータ） (2025-11-23T10:40:36Z)
• Revisiting Rule-Based Stuttering Detection: A Comprehensive Analysis of Interpretable Models for Clinical Applications [5.692357910541593]
  本稿では,ルールに基づく散乱検出システムについて包括的な解析を行う。 本稿では,発話速度正規化,マルチレベル音響特徴分析,階層的決定構造を組み込んだルールベースフレームワークを提案する。 規則に基づくシステムは特に延長検出(97～99%の精度)に優れ、様々な発話速度で安定した性能を提供することを示した。
  論文  参考訳（メタデータ） (2025-08-21T15:01:05Z)
• The Problem of Atypicality in LLM-Powered Psychiatry [0.0]
  大規模言語モデル(LLM)は、世界的なメンタルヘルス危機に対するスケーラブルな解決策として、ますます提案されている。 彼らの精神医学的文脈への展開は、顕著な倫理的関心、すなわち非定型性の問題を引き起こす。 我々は、この構造的リスクを解決するには、迅速なエンジニアリングや微調整のような標準緩和戦略が不十分であると主張している。
  論文  参考訳（メタデータ） (2025-08-08T17:36:42Z)
• Silence is Not Consensus: Disrupting Agreement Bias in Multi-Agent LLMs via Catfish Agent for Clinical Decision Making [80.94208848596215]
  提案する概念は「Catfish Agent」である。これは、構造的不満を注入し、無声な合意に反するように設計された役割特化LDMである。 組織心理学において「ナマズ・エフェクト」にインスパイアされたカマズ・エージェントは、より深い推論を促進するために、新たなコンセンサスに挑戦するように設計されている。
  論文  参考訳（メタデータ） (2025-05-27T17:59:50Z)

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。