論文の概要: PULSE: Agentic Investigation with Passive Sensing for Proactive Intervention in Cancer Survivorship
- arxiv url: http://arxiv.org/abs/2605.17679v1
- Date: Sun, 17 May 2026 22:39:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:48.392694
- Title: PULSE: Agentic Investigation with Passive Sensing for Proactive Intervention in Cancer Survivorship
- Title（参考訳）: PULSE: がん生存予防のためのパッシブセンシングを用いた薬物検査
- Authors: Zhiyuan Wang, Ariful Islam, Indrajeet Ghosh, Xinyu Chen, Katharine E. Daniel, Subigya Nepal, Philip Chow, Laura E. Barnes,
- Abstract要約: がんの生き残りは、うつ病、不安、一般的な感情的苦痛の度合いが上昇する。
固定された特徴パイプラインからエージェントセンシング調査に移行するシステムであるPULSEを提案する。
エージェント調査は受動的センシングの臨床的価値を解き放つための基盤となるかもしれない。
- 参考スコア（独自算出の注目度）: 10.430340210524863
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Cancer survivors face elevated rates of depression, anxiety, and general emotional distress, yet the precise moments they most need support are often the moments when self-report is sparse, a phenomenon we term the diary paradox. Passive smartphone sensing offers a continuous, unobtrusive alternative, but prior sensing-based affect prediction has been limited by an accuracy ceiling, suggesting a bottleneck not only in available data, but in how behavioral signals are interpreted. We present PULSE, a system that shifts from fixed feature pipelines to agentic sensing investigation: LLM agents equipped with eight purpose-built tools autonomously query smartphone sensing data, compare current behavior against personalized baselines, and calibrate inferences through retrieval-augmented population-level comparisons. Rather than receiving pre-formatted feature summaries, agents decide which modalities to inspect, how far back to look, and how deeply to investigate, mirroring hypothesis-driven clinical reasoning. We evaluate PULSE through a 2*2 factorial design crossing reasoning architecture (structured vs. agentic) with data modality (sensing-only vs. with diary) on 50 cancer survivors from a longitudinal study of cancer survivors. Agentic reasoning is the primary driver of performance: agentic multimodal agent achieves balanced accuracy of 0.743 for emotion regulation desire with diary and sensing data, while agentic agents predict intervention availability at 0.713 with passive sensing data only. These results suggest that agentic investigation may be a cornerstone for unlocking the clinical value of passive sensing, advancing the feasibility of proactive just-in-time mental health support.
- Abstract（参考訳）: がんの生き残りはうつ病、不安、一般的な感情的苦痛の度合いが高まるが、彼らが最も必要とする正確な瞬間はしばしば、自己申告が不足している瞬間である。
受動的スマートフォンセンシングは、連続的で控えめな代替手段を提供するが、事前検知に基づく影響予測は、精度の高い天井によって制限され、利用可能なデータだけでなく、行動信号の解釈方法においてもボトルネックが示唆されている。
固定機能パイプラインからエージェントセンシング調査へ移行するシステムであるPULSEについて述べる。LLMエージェントは,スマートフォンセンサデータを自律的にクエリし,個人化されたベースラインに対する現在の振る舞いを比較し,人口レベルの検索による推論を校正する。
プリフォームされた特徴要約を受信する代わりに、エージェントはどのモダリティを検査するか、どれくらいの振り返るか、どのように深く調査するか、仮説駆動型臨床推論を反映する。
PULSEは, がん生存者50名を対象に, データモダリティを有する2*2因子交差解析アーキテクチャ(構造的対エージェント的比較)を用いて評価した。
エージェント・マルチモーダル・エージェントは、日記やセンシングデータによる感情制御の欲求に対して、0.743のバランスの取れた精度を達成する一方、エージェント・エージェントは、受動的センシングデータのみを用いて、0.713の介入可否を予測する。
これらの結果から, エージェントによる調査は受動的センシングの臨床的価値を開放し, 積極的なジャスト・イン・タイム・メンタル・ヘルス・サポートの実現可能性を高めるための基盤となる可能性が示唆された。
関連論文リスト
- LLM Agents Predict Social Media Reactions but Do Not Outperform Text Classifiers: Benchmarking Simulation Accuracy Using 120K+ Personas of 1511 Humans [36.156330303795016]
この研究では、12万以上のエージェントとペルソナの組み合わせに対して、人のソーシャルメディア反応(嫌い、コメント、共有、反応なし)を予測する精度をベンチマークします。
エージェントは70.7%の精度を達成し、LSMの選択は13ポイントのパフォーマンスを拡大した。
ゼロショットのペルソナプロンプトエージェントの真の予測正当性は、行動的に異なるAIエージェントの群れをソーシャルメディアに簡単に展開することで潜在的な操作を警告する。
論文 参考訳（メタデータ） (2026-03-31T19:27:59Z) - 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) - Predicting Cognitive Assessment Scores in Older Adults with Cognitive Impairment Using Wearable Sensors [1.1873304786619878]
本稿では、ウェアラブルデバイスが提供する生理的データを用いて、軽度認知障害や軽度認知症を伴う高齢者の認知機能を評価することに焦点を当てる。
本研究では,確立した認知テストのスコアを生理的データが正確に予測できるかどうかを検討した。
論文 参考訳（メタデータ） (2025-11-07T05:00:57Z) - Cross-platform Prediction of Depression Treatment Outcome Using Location Sensory Data on Smartphones [55.992010576087424]
スマートフォンで受動的に収集した位置情報データを用いて治療結果を予測する。
その結果, 位置特徴とベースライン自己申告アンケートスコアは, F1得点を0.67点まで引き上げることが可能であり, 定期的な自己申告アンケートと同等であることがわかった。
論文 参考訳（メタデータ） (2025-03-10T22:00:07Z) - Forecasting Patient Flows with Pandemic Induced Concept Drift using
Explainable Machine Learning [0.0]
本研究では,患者フローの予測モデルを改善する新しい準リアルタイム変数群について検討した。
新型コロナウイルス(COVID-19)のアラートレベル(Alert Level)機能は、Googleの検索語や歩行者のトラフィックとともに、一般的な予測を生成するのに効果的だった。
論文 参考訳（メタデータ） (2022-11-01T20:42:26Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Heterogeneous-Agent Trajectory Forecasting Incorporating Class
Uncertainty [54.88405167739227]
本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。
さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。
軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
論文 参考訳（メタデータ） (2021-04-26T10:28:34Z) - Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions
Segmentation [79.58311369297635]
異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。
wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。
新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
論文 参考訳（メタデータ） (2020-12-08T02:26:03Z) - Multimodal Privacy-preserving Mood Prediction from Mobile Data: A
Preliminary Study [34.550824104906255]
精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。
人間の行動を監視するための有望なデータソースのひとつは、毎日のスマートフォンの利用だ。
リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
論文 参考訳（メタデータ） (2020-12-04T01:44:22Z)
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。