論文の概要: VentAgent: When LLMs Learn to Breathe -- Multi-Objective Arbitration for ARDS Ventilation

• arxiv url: http://arxiv.org/abs/2606.04632v1
• Date: Wed, 03 Jun 2026 09:03:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.648425
• Title: VentAgent: When LLMs Learn to Breathe -- Multi-Objective Arbitration for ARDS Ventilation
• Title（参考訳）: VentAgent: LLMが呼吸を学ぶとき - ARDS換気のための多目的アロケーション
• Authors: Teqi Hao, Yuxuan Fu, Xiaoyu Tan, Shaojie Shi, Bohao Lv, Yinghui Xu, Xihe Qiu,
• Abstract要約: 本稿では,大規模言語モデルが機械的換気のための透明な調停器として機能する階層的なフレームワークであるVentAgentを紹介する。 VentAgentは意思決定を、知覚、計画、オーケストレーションの3つの解釈可能なステージに分解する。 コントロール決定を人間可読な推論チェーンに変換し、クリティカルケア自動化のためのより安全で解釈可能で適応可能なパラダイムを提供する。
• 参考スコア（独自算出の注目度）: 19.906693780965533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanical ventilation for Acute Respiratory Distress Syndrome (ARDS) requires balancing competing physiological goals, including oxygenation, lung protection, and acid-base homeostasis. However, current data-driven methods, especially those imitating retrospective Electronic Health Records (EHR), often suffer from imitation bias. They may capture superficial correlations from inconsistent clinical demonstrations, such as associating passive ventilator settings with survival because such settings are common in stable patients, and thus fail to generalize to volatile or out-of-distribution phenotypes. Standard Reinforcement Learning (RL) methods also struggle with the adversarial trade-offs of critical care and often produce opaque policies with limited clinical interpretability. To address these limitations, we introduce VentAgent, a hierarchical framework in which Large Language Models (LLMs) act as transparent arbitrators for mechanical ventilation. We reformulate ventilation control as a dynamic Multi-Objective Arbitration process rather than single-objective optimization. VentAgent decomposes decision-making into three interpretable stages: Perception, Planning, and Orchestration. By leveraging the semantic reasoning capabilities of LLMs, it synthesizes strategies from heterogeneous experts and resolves conflicting clinical priorities through an explicit coordination mechanism. Evaluations on a high-fidelity physiological simulator show that VentAgent outperforms state-of-the-art RL and classical control baselines. Moreover, it converts control decisions into human-readable reasoning chains, offering a safer, more interpretable, and adaptable paradigm for critical care automation.
• Abstract（参考訳）: 急性呼吸障害症候群(ARDS)に対する機械的換気は、酸素、肺保護、酸ベースのホメオスタシスを含む競合する生理的目標のバランスを必要とする。 しかしながら、現在のデータ駆動手法、特にレトロスペクティブのElectronic Health Records(EHR)を模倣する手法は、しばしば模倣バイアスに悩まされる。 安定した患者ではそのような設定が一般的であるため、受動人工呼吸器の設定と生存を関連付けるなど、一貫性のない臨床実験から表面的相関を捉え、揮発性または分布外表現型に一般化することができない。 標準強化学習(Standard Reinforcement Learning, RL)法は、クリティカルケアの敵意的なトレードオフに苦慮し、臨床解釈性に制限のある不透明な政策をしばしば生み出す。 このような制約に対処するため,Large Language Models (LLM) が機械的換気のための透明な調停器として機能する階層的なフレームワークであるVentAgentを紹介した。 単目的最適化ではなく,動的多目的調整プロセスとして換気制御を再構成する。 VentAgentは意思決定を、知覚、計画、オーケストレーションの3つの解釈可能なステージに分解する。 LLMのセマンティック推論機能を活用することで、異種の専門家からの戦略を合成し、明示的な調整機構を通じて、競合する臨床上の優先事項を解決する。 高忠実度生理学シミュレータによる評価では、VentAgentは最先端のRLと古典的な制御ベースラインを上回っている。 さらに、コントロール決定を人間可読な推論チェーンに変換し、クリティカルケア自動化のためのより安全で、より解釈可能で、適応可能なパラダイムを提供する。

関連論文リスト

• Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
  我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。 従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。 本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-10T06:30:19Z)
• LaST-R1: Reinforcing Robotic Manipulation via Adaptive Physical Latent Reasoning [90.86828952599147]
  提案するLaST-R1(LaST-R1)は,「最近の推論・行動」政策を活用するために設計された,新しい強化学習フレームワークである。 LaST-R1 は LIBERO ベンチマークで 99.9% の平均成功率を達成した。 実世界の展開では、LaST-R1はSOTAが監督する微調整アプローチよりも22.5%平均的に改善されている。
  論文  参考訳（メタデータ） (2026-04-30T17:59:52Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• Ensuring Safety in Automated Mechanical Ventilation through Offline Reinforcement Learning and Digital Twin Verification [9.198591097391448]
  メカニカル換気(Mechanical ventilation, MV)は、ICUの急性呼吸不全(ARF)患者の救命介入である。 MVにパーソナライズと自動化を統合する以前の試みには、従来の教師付き学習とオフライン強化学習(RL)アプローチがある。 患者動態の時間的モデリングにトランスフォーマーエンコーダを統合する新しいオフラインRLフレームワークであるTransformer-based conservative Q-Learning (T-CQL)を提案する。
  論文  参考訳（メタデータ） (2026-03-11T23:21:02Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Emotion-Inspired Learning Signals (EILS): A Homeostatic Framework for Adaptive Autonomous Agents [0.0]
  本稿では,ロバストな自律性における非適応的要因が,高レベルなホメオスタット制御機構として機能する,生物学的感情の関数的類似性であることを示す。 EILS(Emotion-Inspired Learning Signals)は、分散最適化をコヒーレントなバイオインスパイアされた内部フィードバックエンジンに置き換える統合フレームワークである。
  論文  参考訳（メタデータ） (2025-12-20T19:46:51Z)
• IntelliLung: Advancing Safe Mechanical Ventilation using Offline RL with Hybrid Actions and Clinically Aligned Rewards [6.42339118295049]
  集中治療室(ICU)における感染性機械換気(Invasive Mechanical ventilation, MV)は重症心疾患患者に対する生命維持療法である 現在の最先端(SOTA)法は、MVアクションのハイブリッドな(連続的で離散的な)性質に苦慮している。 本稿では、離散的な行動空間の課題に対処するために、行動空間削減における先行作業に基づいて構築される最適化を提案する。
  論文  参考訳（メタデータ） (2025-06-17T10:17:26Z)
• Methodology for Interpretable Reinforcement Learning for Optimizing Mechanical Ventilation [2.3349787245442966]
  機械的換気は、コントロールされた空気と酸素を患者の肺に供給する重要な生命維持介入である。 人工呼吸器制御戦略を最適化するためのデータ駆動アプローチがいくつか提案されているが、多くの場合、解釈可能性やドメイン知識との整合性が欠如している。 本稿では,統合医療システムの一部として機械的換気制御を改善することを目的とした,解釈型強化学習(RL)の方法論を提案する。
  論文  参考訳（メタデータ） (2024-04-03T23:07:24Z)
• Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
  モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。 本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。 呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
  論文  参考訳（メタデータ） (2023-05-10T07:05:43Z)

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。