論文の概要: SymptomAI: Toward a Conversational AI Agent for Everyday Symptom Assessment

• arxiv url: http://arxiv.org/abs/2605.04012v2
• Date: Sun, 10 May 2026 21:01:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 19:24:01.244725
• Title: SymptomAI: Toward a Conversational AI Agent for Everyday Symptom Assessment
• Title（参考訳）: SymptomAI: 毎日の症状評価のための会話型AIエージェントを目指して
• Authors: Joseph Breda, Fadi Yousif, Beszel Hawkins, Marinela Cotoi, Miao Liu, Ray Luo, Po-Hsuan Cameron Chen, Mike Schaekermann, Samuel Schmidgall, Xin Liu, Girish Narayanswamy, Samuel Solomon, Maxwell A. Xu, Xiaoran Fan, Longfei Shangguan, Anran Wang, Bhavna Daryani, Buddy Herkenham, Cara Tan, Mark Malhotra, Shwetak Patel, John B. Hernandez, Quang Duong, Yun Liu, Zach Wasson, Dimitrios Antos, Bob Lou, Matthew Thompson, Jonathan Richina, Anupam Pathak, Nichole Young-Lin, Jake Sunshine, Daniel McDuff,
• Abstract要約: 我々は、Fitbitアプリを通じて、対話型AIエージェントのセットであるSyptomAIを、参加者(N=13,917)が5人のAIエージェントと対話できるようにランダム化した研究に配置した。 患者は1,228人であり, そのうち517人が250時間以上臨床医のパネルでさらに評価された。 専門的な症状面接を行う科学者の戦略は、診断を行う前に追加の症状情報を引き出すが、ベースラインのユーザガイドによる会話よりも実質的に優れている。
• 参考スコア（独自算出の注目度）: 19.15772933689101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language models excel at diagnostic assessments on curated medical case-studies and vignettes, performing on par with, or better than, clinical professionals. However, existing studies focus on complex scenarios with rich context making it difficult to draw conclusions about how these systems perform for patients reporting symptoms in everyday life. We deployed SymptomAI, a set of conversational AI agents for end-to-end patient interviewing and differential diagnosis (DDx), via the Fitbit app in a study that randomized participants (N=13,917) to interact with five AI agents. This corpus captures diverse communication and a realistic distribution of illnesses from a real world population. A subset of 1,228 participants reported a clinician-provided diagnosis, and 517 of these were further evaluated by a panel of clinicians during over 250 hours of annotation. SymptomAI DDx were significantly more accurate (OR = 2.56, p < 0.001) than those from independent clinicians given the same dialogue in a blinded randomized comparison. Moreover, agentic strategies which conduct a dedicated symptom interview that elicit additional symptom information before providing a diagnosis, perform substantially better than baseline, user-guided conversations (p < 0.001). An auxiliary analysis on 1,509 conversations from a general US population panel validated that these results generalize beyond wearable device users. We used SymptomAI diagnoses as labels for all 13,917 participants to analyze over 500,000 days of wearable metrics across nearly 400 unique conditions. We identified strong associations between acute infections and physiological shifts (e.g., OR > 7 for influenza). While limited by self-reported ground truth, these results demonstrate the benefits of a dedicated and complete symptom interview compared to a user-guided symptom discussion, which is the default of most consumer LLMs.
• Abstract（参考訳）: 言語モデルは、キュレートされた医療ケーススタディとヴィグネットの診断アセスメントに優れており、臨床専門家と同等、あるいは同等の成績である。 しかし、既存の研究では、リッチコンテキストの複雑なシナリオに焦点を当てており、日常生活の症状を訴える患者に対して、これらのシステムがどのように機能するかという結論を導き出すことが困難である。 我々は、Fitbitアプリを通じて、対話型AIエージェントのセットであるSyptomAIを、参加者(N=13,917)が5人のAIエージェントと対話できるようにランダムに配置した。 このコーパスは、様々なコミュニケーションと、現実世界の人々の病気の現実的な分布を捉えている。 患者は1,228人であり,そのうち517人が250時間以上の注釈で臨床医のパネルでさらに評価された。 症状AI DDx は、盲目無作為比較で同じ対話を行った独立臨床医より有意に正確(OR = 2.56, p < 0.001)であった。 さらに、診断を行う前に追加の症状情報を引き出す専用の症状面接を行うエージェント戦略は、ベースライン、ユーザガイドによる会話よりも大幅に向上する(p < 0.001)。 米国の一般人口パネルによる1,509件の会話の補助分析では、これらの結果がウェアラブルデバイスユーザーを超えて一般化されることが検証された。 私たちは、SyptomAI診断を13,917人の参加者のラベルとして使用し、400のユニークな条件で50,000日以上のウェアラブルメトリクスを分析しました。 急性感染症と生理的変化 (eg , OR > 7。 自己申告された真実によって制限されているが、これらの結果は、ほとんどの消費者LCMのデフォルトであるユーザガイドによる症状議論と比較して、専用で完全な症状面接の利点を示している。

関連論文リスト

• A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic [21.374164324051012]
  アーティキュレート・メディカル・インテリジェンス・エクスプローラー(AMIE) 100人の成人患者が任命の5日前にAMIEテキストチャットのやりとりを完了した。 ヒューマン・セーフティ・スーパーバイザーは、患者とAMIEのインタラクションをリアルタイムで監視した。
  論文  参考訳（メタデータ） (2026-03-09T14:43:40Z)
• Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
  大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。 本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。 本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
  論文  参考訳（メタデータ） (2025-10-11T16:24:35Z)
• Toward the Autonomous AI Doctor: Quantitative Benchmarking of an Autonomous Agentic AI Versus Board-Certified Clinicians in a Real World Setting [0.0]
  2030年までには、世界中で1100万人の医療従事者が不足していると予測されている。 エンド・ツー・エンドの大規模言語モデル(LLM)ベースのAIシステムは、実際の臨床実践において厳格に評価されていない。
  論文  参考訳（メタデータ） (2025-06-27T19:04:44Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Towards Conversational Diagnostic AI [32.84876349808714]
  本稿では,診断対話に最適化されたLarge Language Model (LLM)ベースのAIシステムであるAMIE(Articulate Medical Intelligence Explorer)を紹介する。 AMIEは、さまざまな疾患条件にまたがって学習をスケールするための自動フィードバック機構を備えた、セルフプレイベースのシミュレート環境を使用する。 AMIEの診断精度は, 専門医によると32例中28例, 患者アクターでは26例中24例で高い成績を示した。
  論文  参考訳（メタデータ） (2024-01-11T04:25:06Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。