論文の概要: Modeling Clinical Concern Trajectories in Language Model Agents

• arxiv url: http://arxiv.org/abs/2604.27872v1
• Date: Thu, 30 Apr 2026 13:53:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.118654
• Title: Modeling Clinical Concern Trajectories in Language Model Agents
• Title（参考訳）: 言語モデルエージェントにおける疾患軌跡のモデル化
• Authors: Sukesh Subaharan, Venkatesan VS, Murugadasan P, Sivakumar D, Gautham N, Ganeshkumar M,
• Abstract要約: 現実のケアでは、臨床医は瞬間的な引き金よりも徐々に関心が高まりつつある。 本研究は, 治療薬に臨床権限を委譲することなく, エクスカレーション前のシグナルを露呈できるかどうかを考察する。
• 参考スコア（独自算出の注目度）: 0.15393457051344298
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language model (LLM) agents deployed in clinical settings often exhibit abrupt, threshold-driven behavior, offering little visibility into accumulating risk prior to escalation. In real-world care, however, clinicians act on gradually rising concern rather than instantaneous triggers. We study whether explicit state dynamics can expose such pre-escalation signals without delegating clinical authority to the agent. We introduce a lightweight agent architecture in which a memoryless clinical risk encoder is integrated over time using first- and second-order dynamics to produce a continuous escalation pressure signal. Across synthetic ward scenarios, stateless agents exhibit sharp escalation cliffs, while second-order dynamics produce smooth, anticipatory concern trajectories despite similar escalation timing. These trajectories surface sustained unease prior to escalation, enabling human-in-the-loop monitoring and more informed intervention. Our results suggest that explicit state dynamics can make LLM agents more clinically legible by revealing how long concern has been rising, not just when thresholds are crossed.
• Abstract（参考訳）: 大きな言語モデル(LLM)エージェントは、しばしば急激でしきい値駆動の振る舞いを示し、エスカレーション前の累積リスクをほとんど可視化しない。 しかし、現実のケアでは、臨床医は瞬間的なトリガーよりも徐々に関心が高まりつつある。 本研究は, 治療薬に臨床権限を委譲することなく, エクスカレーション前のシグナルを露呈できるかどうかを考察する。 本稿では,メモリレス臨床リスクエンコーダを1次および2次ダイナミクスを用いて時間とともに統合し,連続的なエスカレーション圧力信号を生成する軽量エージェントアーキテクチャを提案する。 合成区のシナリオ全体では、ステートレスエージェントは急激なエスカレーション崖を示し、一方2階のダイナミクスは同様のエスカレーションタイミングにもかかわらず、滑らかで予測可能な関心軌道を生成する。 これらの軌道は、エスカレーションの前に不安定な状態を維持し、人間のループ内監視とより情報的な介入を可能にした。 以上の結果から, LLM薬の著明な状態動態は, しきい値が通過した場合だけでなく, 長期間の懸念が高まっていたことを明らかにすることで, より臨床的に有用であることが示唆された。

関連論文リスト

• Clinically Interpretable Sepsis Early Warning via LLM-Guided Simulation of Temporal Physiological Dynamics [24.96692273948327]
  一時的かつ解釈可能な敗血症の早期警告は臨床上の課題である。 従来のデータ駆動モデルは正確だが不透明な予測を提供する。 本稿では,Large Language Model (LLM) 誘導時間シミュレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-22T06:30:54Z)
• Cognitive Pivot Points and Visual Anchoring: Unveiling and Rectifying Hallucinations in Multimodal Reasoning Models [65.57985131861399]
  幻覚は、しばしば高いエントロピー状態を示す認知的分岐点と強く相関している。 本稿では,視覚的に認識可能な推論機能の内部化を目的とした,軽量で総合的なトレーニングパラダイムであるV-STARを提案する。
  論文  参考訳（メタデータ） (2026-04-11T13:59:05Z)
• SutureAgent: Learning Surgical Trajectories via Goal-conditioned Offline RL in Pixel Space [22.300952176139948]
  内視鏡的ビデオからの針の軌跡の予測はロボットによる縫合に不可欠である。 画像に基づく針軌道予測を逐次決定問題として定式化する。 SutureAgentは、観測エンコーダを使用して可変長クリップを符号化し、局所的な空間的キューと長距離時間ダイナミクスの両方をキャプチャする。
  論文  参考訳（メタデータ） (2026-03-19T01:36:07Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Controlling Long-Horizon Behavior in Language Model Agents with Explicit State Dynamics [0.0]
  大規模言語モデル (LLM) エージェントは、拡張相互作用中にトーンとペルソナの急激な変化を示す。 ロングホライゾン剤の挙動形成における明示的な感情力学の役割はいまだ解明されていない。 本稿では,言語モデル外部の連続的Valence-Arousal-Dominance(VAD)状態を維持するエージェントレベル感情サブシステムを提案する。
  論文  参考訳（メタデータ） (2026-01-22T16:34:05Z)
• EEG-Titans: Long-Horizon Seizure Forecasting via Dual-Branch Attention and Neural Memory [0.0]
  本稿では、長期コンテキストモデリングのための現代のニューラルメモリ機構を組み込んだデュアルブランチEEGアーキテクチャを提案する。 EEG-Titansは18人の被験者の平均セグメントレベルの感度を99.46%達成している。 以上の結果から, 記憶増強長文モデリングは, 臨床的に制約された評価下において, 堅牢な発作予測を可能にする可能性が示唆された。
  論文  参考訳（メタデータ） (2026-01-20T09:03:49Z)
• Enhancing Revivals Via Projective Measurements in a Quantum Scarred System [51.3422222472898]
  量子多体散乱系は非定型的動的挙動を示し、熱化を回避し、周期的状態回復を特徴とする。 パラメタティックPXPモデルのスカー部分空間の力学に及ぼす射影測定の影響について検討する。 我々は、この現象の根底にある重要なメカニズムとして、量子スカーの自然な劣化に対抗して、測定誘起位相再同期を同定する。
  論文  参考訳（メタデータ） (2025-03-28T17:03:14Z)
• Two-Stage Representation Learning for Analyzing Movement Behavior Dynamics in People Living with Dementia [44.39545678576284]
  本研究では,認知症高齢者の在宅活動データを,2段階の自己指導型学習アプローチによって分析する。 第1段階は、時系列アクティビティを事前訓練された言語モデルによって符号化されたテキストシーケンスに変換する。 このPageRankベクトルは遅延状態遷移をキャプチャし、複雑な振る舞いデータを簡潔な形式に効果的に圧縮する。
  論文  参考訳（メタデータ） (2025-02-13T10:57:25Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。