論文の概要: The Epi-LLM Framework: probing LLM behavioral priors through epidemiological agent-based models
- arxiv url: http://arxiv.org/abs/2606.02867v1
- Date: Mon, 01 Jun 2026 20:31:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.594514
- Title: The Epi-LLM Framework: probing LLM behavioral priors through epidemiological agent-based models
- Title（参考訳）: Epi-LLM Framework:疫学的エージェントベースモデルによるLCM行動先行の探索
- Authors: Petra Ferenz, Ava Keeling, Tobias O'Keefe, Lorenzo Stigliano, Francesco Di Lauro, Andres Colubri, Jasmina Panovska-Griffiths,
- Abstract要約: 本稿では,エージェントベースのモデリング,実生活のエピガメ,大規模言語モデルの新たな統合であるEpi-LLMフレームワークを紹介する。
4 つの異なるアーキテクチャにまたがる LLM 薬剤はピークの能動感染を減少させることがわかった。
二項一般化線形モデルは、健康の重大さが検疫行動の最も強い予測因子であることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human behaviour during epidemics affects infectious disease dynamics, but quantifying this remains deeply challenging. Here we introduce the Epi-LLM framework: a novel integration of agent-based modelling, real-life epigames, and large language models (LLMs) in which a synthetic society of agents reasons and adapts dynamically over an outbreak contact network. Comparing synthetic agent behaviour against a no-intervention SEIR baseline and human participant data from the AUIB epigame study, we find that LLM agents across four different architectures reduced peak active infections, with quarantine compliance peaking at 58-65% on day six of the 15-day simulation. A binomial generalised linear model showed that perceived health severity was the strongest predictor of quarantine behaviour ($β= 0.33, p = 0.002$), yielding a pseudo-$R^2$ of 0.055, comparable to the 0.072 observed in the human trial. LLM architecture is a key determinant of epidemic dynamics: low-variance architectures offer greater internal validity for testing behavioural rules, while high-variance models may better represent real-world decision-making. Geographic labels alone do not induce culturally differentiated behaviour; explicit attitudinal parameterisation is required. This proof-of-principle work lays the groundwork for deploying the Epi-LLM framework as a scalable, risk-free simulation environment for pandemic preparedness research.
- Abstract（参考訳）: 流行時の人間の行動は感染症のダイナミクスに影響を与えるが、それを定量化するのは難しい。
本稿では,エージェントベースのモデリング,実生活のエピゲーム,および大規模言語モデル(LLM)を新たに統合したEpi-LLMフレームワークについて紹介する。
AUIBエピガメ研究から得られた,非干渉性SEIR基線に対する合成剤の挙動とヒトの参加者データとの比較により,15日間のシミュレーションの6日目に,4つの異なるアーキテクチャにわたるLCM剤がピーク活性感染を減少させ,隔離コンプライアンスが58～65%に達した。
二項一般化線形モデルでは、健康の重大さが隔離行動の最も強い予測因子(β = 0.33, p = 0.002$)であることが示され、擬似的なR^2$ 0.055となり、ヒトの臨床試験で観察された0.072に匹敵する結果となった。
LLMアーキテクチャは、拡散力学の重要な決定要因である: 低分散アーキテクチャは、行動規則をテストするための内部的妥当性をより高め、高分散モデルは現実世界の意思決定をより良く表現する。
地理的ラベルだけでは文化的に区別された行動は起こさない。
この実証研究は、パンデミック準備研究のためのスケーラブルでリスクのないシミュレーション環境として、Epi-LLMフレームワークをデプロイするための基礎となる。
関連論文リスト
- Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model [57.78184285979881]
敗血症治療推奨のための世界モデル拡張LDMエージェントであるSepsisAgentを紹介する。
SepsisAgentは、学習された臨床世界モデルを使用して、候補の流体圧薬の介入下での患者の反応をシミュレートする。
論文 参考訳（メタデータ） (2026-05-14T11:50:00Z) - Latent Neural-ODE for Model-Informed Precision Dosing: Overcoming Structural Assumptions in Pharmacokinetics [3.0991186209192794]
タクロリムスAUC予測のための遅延正規微分方程式(Latent ODE)に基づく新しいデータ駆動方式を提案する。
このディープラーニングアプローチは、疎い臨床データから個別化されたダイナミクスを直接学習する。
潜在ODEモデルは、標準的な仮定から逸脱した基盤となる生物学的メカニズムであっても、優れた堅牢性を示し、高い精度を維持した。
論文 参考訳（メタデータ） (2026-02-03T07:30:48Z) - Learning Pareto-Optimal Pandemic Intervention Policies with MORL [1.160208922584163]
本研究では,疾患拡散防止戦略をモデル化し,評価するための枠組みを開発する。
シミュレーションでは,全国規模のパンデミックのダイナミクスを再現し,他のモデルよりも桁違いに忠実に再現する。
この研究は、公衆衛生危機を緩和するための透明で証拠に基づく政策決定を支援する。
論文 参考訳（メタデータ） (2025-10-02T12:06:29Z) - Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。
症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。
臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
論文 参考訳（メタデータ） (2025-08-20T01:58:45Z) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Multi-scale simulation of COVID-19 epidemics [0.0]
新型コロナウイルスの感染拡大が始まってから1年以上が経過している。
今後数週間にわたって広がる未来と、潜在的な政治的介入の影響を正確に予測することは難しい」と述べた。
現在の流行モデルは主に2つのアプローチに該当する: 分割モデル、人口を疫学クラスに分け、微分方程式の数学的解決に依存する。
論文 参考訳（メタデータ） (2021-12-02T12:34:11Z) - An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate
Intervention Policies [0.09236074230806579]
このモデルはイタリアのピエモンテの構造データを含んでいる。
このモデルは、エージェントの行動と相互作用の結果から生じる複雑な伝染病のダイナミクスの生成である。
論文 参考訳（メタデータ） (2021-08-19T19:23:17Z) - Pyfectious: An individual-level simulator to discover optimal
containment polices for epidemic diseases [16.28189705178286]
本研究では、集団構造をモデル化し、疾患の伝播を個人レベルで制御できるシミュレータを提案する。
潜在的な応用を示すため、シミュレーターパラメータは新型コロナウイルスのパンデミックの正式な統計に基づいて設定される。
このシミュレーターは、パンデミックを制御するための最適なポリシーを見つけるために強化学習問題の環境として使用される。
論文 参考訳（メタデータ） (2021-03-24T10:54:46Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。