論文の概要: Trustworthy Clinical Decision Support Using Meta-Predicates and Domain-Specific Languages
- arxiv url: http://arxiv.org/abs/2604.21263v1
- Date: Thu, 23 Apr 2026 04:11:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.296314
- Title: Trustworthy Clinical Decision Support Using Meta-Predicates and Domain-Specific Languages
- Title（参考訳）: メタ述語とドメイン特化言語を用いた信頼できる臨床診断支援
- Authors: Michael Bouzinier, Sergey Trifonov, Michael Chumack, Eugenia Lvova, Dmitry Etin,
- Abstract要約: メタ述語は、どのエビデンスタイプが任意の規則で許容可能であるかを主張する。
システムは、可変解釈のためのオープンソースのプラットフォームであるAnFiSAでインスタンス化される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: \textbf{Background:} Regulatory frameworks for AI in healthcare, including the EU AI Act and FDA guidance on AI/ML-based medical devices, require clinical decision support to demonstrate not only accuracy but auditability. Existing formal languages for clinical logic validate syntactic and structural correctness but not whether decision rules use epistemologically appropriate evidence. \textbf{Methods:} Drawing on design-by-contract principles, we introduce meta-predicates -- predicates about predicates -- for asserting epistemological constraints on clinical decision rules expressed in a DSL. An epistemological type system classifies annotations along four dimensions: purpose, knowledge domain, scale, and method of acquisition. Meta-predicates assert which evidence types are permissible in any given rule. The framework is instantiated in AnFiSA, an open-source platform for genetic variant curation, and demonstrated using the Brigham Genomics Medicine protocol on 5.6 million variants from the Genome in a Bottle benchmark. \textbf{Results:} Decision trees used in variant interpretation can be reformulated as unate cascades, enabling per-variant audit trails that identify which rule classified each variant and why. Meta-predicate validation catches epistemological errors before deployment, whether rules are human-written or AI-generated. The approach complements post-hoc methods such as LIME and SHAP: where explanation reveals what evidence was used after the fact, meta-predicates constrain what evidence may be used before deployment, while preserving human readability. \textbf{Conclusions:} Meta-predicate validation is a step toward demonstrating not only that decisions are accurate but that they rest on appropriate evidence in ways that can be independently audited. While demonstrated in genomics, the approach generalises to any domain requiring auditable decision logic.
- Abstract（参考訳）: 医療におけるAIのための規制フレームワーク。EU AI ActやFDAによるAI/MLベースの医療機器に関するガイダンスを含む。
既存の臨床論理用形式言語は、構文的および構造的正当性を検証しているが、決定規則が認識学的に適切な証拠を使用するかどうかは定かではない。
図1. \textbf{Methods:} DSLで表現される臨床決定規則に関する認識論的制約を断定するために、メタ述語 --述語に関する述語 -- を導入します。
認識型システムは、目的、知識領域、スケール、取得方法の4つの次元に沿ってアノテーションを分類する。
メタ述語は、どのエビデンスタイプが任意の規則で許容可能であるかを主張する。
このフレームワークはAnFiSAでインスタンス化されており、Brigham Genomics Medicineプロトコルを使用して、Brigham Genomics Medicineプロトコルを使用して、Bottleベンチマークで560万の亜種を解析した。
\textbf{Results:} 可変解釈で使用される決定木は、ユニテートカスケード(unate cascades)として再編成できる。
メタ述語バリデーションは、ルールがヒューマン書きかAI生成かにかかわらず、デプロイ前に認識上のエラーをキャッチする。
メタ述語は、人間の可読性を維持しながら、デプロイ前にどのエビデンスを使用するかを制限する。
\textbf{Conclusions:} メタ述語検証は、決定が正確であるだけでなく、独立して監査できる方法で適切な証拠を保っていることを示すためのステップである。
ゲノミクスで実証されているが、この手法は監査可能な決定論理を必要とするあらゆる領域に一般化される。
関連論文リスト
- SymptomWise: A Deterministic Reasoning Layer for Reliable and Efficient AI Systems [0.9786690381850356]
本稿では,言語理解と診断的推論を分離するフレームワークであるSyptomWiseを紹介する。
このシステムは、専門家による医療知識、決定論的コーデックス駆動推論、および大規模言語モデルの制約付き使用を組み合わせる。
このアーキテクチャはトレーサビリティを改善し、不要な結論を減らし、システムコンポーネントのモジュラー評価を可能にする。
論文 参考訳（メタデータ） (2026-04-07T19:00:53Z) - Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis [49.83108591873481]
EligMetaはエージェントフレームワークで、自動トライアル発見と、資格を意識したメタ分析を統合する。
フレームワークは、目標トライアル間の人口アライメントを反映した類似性に基づく研究重量を計算し、適性基準を構造化する。
論文 参考訳（メタデータ） (2026-04-03T03:18:50Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - How Well Do Multimodal Models Reason on ECG Signals? [36.281141199783825]
本稿では、ECG信号の推論を評価するための再現可能なフレームワークを提案する。
推論トレースに記述された時間構造を実証的に検証するために,エージェントフレームワークを用いてコードを生成する。
この二重検証手法は「真の」推論能力のスケーラブルな評価を可能にする。
論文 参考訳（メタデータ） (2026-02-27T21:04:12Z) - Structured Decomposition for LLM Reasoning: Cross-Domain Validation and Semantic Web Integration [0.0]
ルールベースの推論は、決定が監査可能で正当化可能な領域で発生します。
このような入力にルールを適用するには、解釈の柔軟性と形式的な保証の両方が必要である。
本稿では,これらの強みを組み合わせた統合パターンを提案する。
論文 参考訳（メタデータ） (2026-01-04T17:19:20Z) - Adaptive Diagnostic Reasoning Framework for Pathology with Multimodal Large Language Models [34.28963665009494]
本稿では,自己学習パラダイムを確立するための解釈可能なフレームワークRECAP-PATHを提案する。
既成のマルチモーダルな大規模言語モデルから、受動的パターン認識からエビデンスにリンクされた診断推論へと移行する。
この自己学習アプローチでは、小さなラベル付きセットのみを必要とし、がん診断を生成するためのホワイトボックスアクセスやウェイト更新は不要である。
論文 参考訳（メタデータ） (2025-11-15T03:06:59Z) - The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims [0.7233897166339268]
本稿では,AI出力の生成と受信の状況を理解するための診断手法であるEpistemic Suiteを紹介する。
真実や虚偽を判断する代わりに、スイートは20個の診断レンズを通して、信頼の洗浄、物語の圧縮、異動した権威、一時的な漂流などのパターンを明らかにする。
論文 参考訳（メタデータ） (2025-09-20T00:29:38Z) - On the notion of missingness for path attribution explainability methods in medical settings: Guiding the selection of medically meaningful baselines [48.688209040613216]
臨床的に正常ではあるが入力クローズ・カウンティファクトは、医療データに有意な特徴が欠如していることのより正確な表現である、と我々は主張する。
我々は,3つの異なる医療データセットに対するアプローチを評価し,反事実的ベースラインがより忠実で医療に関係のある属性をもたらすことを実証的に実証した。
論文 参考訳（メタデータ） (2025-08-20T07:13:41Z) - Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。
MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。
マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
論文 参考訳（メタデータ） (2024-04-10T07:41:35Z) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳（メタデータ） (2021-05-13T04:14:35Z)
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。