論文の概要: MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare

• arxiv url: http://arxiv.org/abs/2605.11814v1
• Date: Tue, 12 May 2026 09:06:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.741172
• Title: MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare
• Title（参考訳）: MedMemoryBench: パーソナライズされたヘルスケアにおけるベンチマークエージェントメモリ
• Authors: Yihao Wang, Haoran Xu, Renjie Gu, Yixuan Ye, Xinyi Chen, Xinyu Mu, Yuan Gao, Chunxiao Guo, Peng Wei, Jinjie Gu, Huan Li, Ke Chen, Lidan Shou,
• Abstract要約: 我々は,現実的な長期医療軌道を合成するための人間とエージェントの協調パイプラインを開発した。 このプロセスは、約2,000のセッションと16,000のインタラクションターンからなる、大規模で専門的に検証されたデータセットを生成する。 これらの根本的な欠陥を明らかにすることで、MedMemoryBenchは堅牢でプロダクション対応の医療エージェントを開発する上で重要な基盤を確立する。
• 参考スコア（独自算出の注目度）: 44.859189727285205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The large-scale deployment of personalized healthcare agents demands memory mechanisms that are exceptionally precise, safe, and capable of long-term clinical tracking. However, existing benchmarks primarily focus on daily open-domain conversations, failing to capture the high-stakes complexity of real-world medical applications. Motivated by the stringent production requirements of an industry-leading health management agent serving tens of millions of active users, we introduce MedMemoryBench. We develop a human-agent collaborative pipeline to synthesize highly realistic, long-horizon medical trajectories based on clinically grounded, synthetic patient archetypes. This process yields a massive, expertly validated dataset comprising approximately 2,000 sessions and 16,000 interaction turns. Crucially, MedMemoryBench departs from traditional static evaluations by pioneering an "evaluate-while-constructing" streaming assessment protocol, which precisely mirrors dynamic memory accumulation in production environments. Furthermore, we formalize and systematically investigate the critical phenomenon of memory saturation, where sustained information influx actively degrades retrieval and reasoning robustness. Comprehensive benchmarking reveals severe bottlenecks in mainstream architectures, particularly concerning complex medical reasoning and noise resilience. By exposing these fundamental flaws, MedMemoryBench establishes a vital foundation for developing robust, production-ready medical agents.
• Abstract（参考訳）: パーソナライズされた医療エージェントの大規模展開は、極めて正確で安全で長期的な臨床追跡が可能な記憶機構を必要とする。 しかし、既存のベンチマークは主に日々のオープンドメインの会話に焦点を当てており、現実世界の医療アプリケーションの複雑さを捉えていない。 数千万人のアクティブユーザを対象とした,業界主導の健康管理エージェントであるMedMemoryBenchの厳格な生産要件に感銘を受け,MedMemoryBenchを紹介した。 本研究は,臨床応用された人工的患者アーチタイプに基づく,高度に現実的で長期にわたる医療軌道を合成する人力協調パイプラインを開発した。 このプロセスは、約2,000のセッションと16,000のインタラクションターンからなる、大規模で専門的に検証されたデータセットを生成する。 重要な点として、MedMemoryBenchは、運用環境における動的メモリ蓄積を正確に反映する"評価可能なストリーミングアセスメントプロトコルのパイオニアとして、従来の静的評価から脱却している。 さらに,記憶飽和の臨界現象を形式化し,体系的に検討する。 総合的なベンチマークでは、特に複雑な医学的推論とノイズ耐性に関して、主流アーキテクチャの重大なボトルネックが明らかになっている。 これらの根本的な欠陥を明らかにすることで、MedMemoryBenchは堅牢でプロダクション対応の医療エージェントを開発する上で重要な基盤を確立する。

関連論文リスト

• Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
  汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。 本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。 675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
  論文  参考訳（メタデータ） (2026-04-29T17:59:28Z)
• ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory [17.805771452487612]
  専門医の認知ワークフローをシミュレートする新しいマルチエージェントフレームワークであるCrysicalAgentsを紹介する。 厳密なシーケンシャルチェーンとは異なり、CricerAgentsはモンテカルロ木探索(MCTS)プロセスとしてモデル化された動的オーケストレーション機構を採用している。 これにより、Orchestratorは仮説を反復的に生成し、証拠を積極的に検証し、重要な情報が欠落した時にバックトラッキングをトリガーすることができる。
  論文  参考訳（メタデータ） (2026-03-27T08:52:19Z)
• MedVerse: Efficient and Reliable Medical Reasoning via DAG-Structured Parallel Execution [63.128360383691295]
  複雑な医学推論のための推論フレームワークであるMedVerseを提案する。 データ作成には、知識に基づく医学推論経路を合成するMedVerse Curatorを導入する。 我々は、追加のオーバーヘッドを伴わずに並列実行をサポートするカスタマイズされた推論エンジンを開発した。
  論文  参考訳（メタデータ） (2026-02-07T12:54:01Z)
• MedDialogRubrics: A Comprehensive Benchmark and Evaluation Framework for Multi-turn Medical Consultations in Large Language Models [15.91764739198419]
  5,200件の患者と6万件以上のきめ細粒度評価ルーブリックからなる新規なベンチマークであるMedDialogRubricsについて紹介する。 本フレームワークでは,実世界の電子的健康記録にアクセスすることなく,現実的な患者記録と主訴を合成するマルチエージェントシステムを採用している。
  論文  参考訳（メタデータ） (2026-01-06T13:56:33Z)
• Proactive Reasoning-with-Retrieval Framework for Medical Multimodal Large Language Models [15.530083855947987]
  我々は,Med-RwR を用いた最初のマルチモーダル医療推論フレームワークを提案する。 Med-RwRは、推論中に観察された症状やドメイン固有の医療概念を問い合わせることで、外部知識を積極的に回収する。 様々な公開医療ベンチマークの評価は、Med-RwRのベースラインモデルに対する大幅な改善を示している。
  論文  参考訳（メタデータ） (2025-10-21T05:18:18Z)
• Baichuan-M2: Scaling Medical Capability with Large Verifier System [40.86227022086866]
  静的解答検証を超越した,新しい動的検証フレームワークを提案する。 多段階強化学習戦略によって訓練された医療強化推論モデルBaichuan-M2を開発した。 HealthBenchでの評価では、Baichuan-M2は、他のすべてのオープンソースモデルや、最も高度なクローズドソースモデルよりも優れています。
  論文  参考訳（メタデータ） (2025-09-02T11:23:35Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)

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。