論文の概要: Evidence-Based Intelligent Diagnostic and Therapeutic Visualization System with Large Language Models: Multi-Turn Interaction and Multimodal Treatment Plan Generation
- arxiv url: http://arxiv.org/abs/2606.06869v1
- Date: Fri, 05 Jun 2026 03:36:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-08 14:33:29.545124
- Title: Evidence-Based Intelligent Diagnostic and Therapeutic Visualization System with Large Language Models: Multi-Turn Interaction and Multimodal Treatment Plan Generation
- Title（参考訳）: 大規模言語モデルを用いたエビデンスに基づくインテリジェント診断・治療可視化システム:マルチタスクインタラクションとマルチモーダル処理計画生成
- Authors: Yunhan Wang, Yuda Wang, Zhiying Tu, Mingqiang Song, Li Song, Kun Li, Dianhui Chu, Bolin Zhang,
- Abstract要約: 既存のAI支援の中国医学診断ツールは、不透明な推論プロセスに悩まされている。
本研究は,シンドロームの識別と治療の透明性と解釈性を改善するための知識強化診断システムを提案する。
- 参考スコア（独自算出の注目度）: 21.335437636890735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aim: Existing AI-assisted traditional Chinese medicine diagnostic tools suffer from opaque reasoning processes, passive interaction, and limited treatment plan presentation. This study proposes a knowledge-enhanced visual diagnostic system to improve the transparency and interpretability of syndrome differentiation and treatment. Methods: The system is built upon a Neo4j knowledge graph comprising 241 syndromes, 1,263 symptoms, and 2,485 relations. It incorporates a four-stage symptom matching pipeline (exact, semantic, fuzzy, and large language model verification), an information gain-driven proactive questioning strategy optimized with genetic algorithms, and a multimodal treatment presentation integrating artificial intelligence-generated illustrations, three-dimensional meridian-acupoint models, and evidence-based literature. Results: Knowledge graph constraints reduced non-standard outputs by 32%. Case studies validated the effectiveness of the interactive workflow across patient self-assessment, clinician-assisted diagnosis, and traditional Chinese medicine education. Automated paired-comparison evaluation across 30 cases further demonstrated significant improvements in diagnostic trust (Cohen's d = 1.82, p < 0.001), reduced cognitive load (improvements in four of five dimensions), and higher credibility of evidence-based references (4.21 vs. 2.95). Conclusions: The proposed system enhances the transparency of traditional Chinese medicine diagnostic reasoning and the interpretability of treatment plans through knowledge graph-driven visualization and multimodal interaction, offering a practical solution for trustworthy artificial intelligence-assisted traditional Chinese medicine applications.
- Abstract（参考訳）: Aim: 既存のAI支援の中国医学診断ツールは、不透明な推論プロセス、受動的相互作用、限られた治療計画の提示に悩まされている。
本研究は, 疾患の識別と治療の透明性と解釈性を改善するための知識強化型視覚診断システムを提案する。
方法: このシステムはNeo4jナレッジグラフ上に構築されており、241の症候群、1,263の症状、2,485の関係がある。
4段階の症状マッチングパイプライン(exact、semantic、fuzzy、および大きな言語モデル検証)、遺伝的アルゴリズムに最適化された情報ゲイン駆動の積極的質問戦略、人工知能が生成したイラスト、3次元メリディアン・アクポイントモデル、エビデンスベースの文献の統合によるマルチモーダルな処理プレゼンテーションを含む。
結果: 知識グラフの制約により, 非標準出力は32%減少した。
ケーススタディでは、患者自己評価、臨床補助診断、中国の伝統医学教育における対話的ワークフローの有効性が検証された。
30例のペア比較自動評価は、診断信頼の大幅な改善(コーエンのd = 1.82, p < 0.001)、認知負荷の低減(5次元の4つの改善)、エビデンスベースの基準の信頼性の向上(4.21 vs. 2.95)を示した。
結論:提案システムは,知識グラフによる可視化とマルチモーダルインタラクションを通じて,従来の漢方医学診断推論の透明性と治療計画の解釈性を高め,信頼性の高い人工知能支援漢方医学応用のための実用的なソリューションを提供する。
関連論文リスト
- MultiDx: A Multi-Source Knowledge Integration Framework towards Diagnostic Reasoning [66.94527468532843]
2段階の診断推論フレームワークであるMultiDxを提案する。
まず Web 検索,SOAP 形式の症例,臨床症例データベースから知識を活用することにより,疑わしい診断と推論経路を生成する。
そして、マッチング、投票、および差分診断を通じて、複数のパースペクティブエビデンスを統合し、最終的な予測を生成する。
論文 参考訳（メタデータ） (2026-04-27T08:46:29Z) - Multimodal Model for Computational Pathology:Representation Learning and Image Compression [0.7901604416781479]
ワイルスライド画像(WSI)は、ギガピクセルの病理像の計算解析を可能にすることで、デジタル病理を変革した。
本稿では,近年のマルチモーダル計算病理学の進歩を概観する。
論文 参考訳（メタデータ） (2026-03-19T09:24:44Z) - Med3D-R1: Incentivizing Clinical Reasoning in 3D Medical Vision-Language Models for Abnormality Diagnosis [20.302134776419955]
我々は,2段階の学習プロセスを持つ強化学習フレームワークを提案する: 教師付きファインチューニング(SFT)と強化学習(RL)。
RLの段階では、整合性報酬を再定義し、整合性、ステップバイステップの診断推論を明示的に促進する。
本モデルではCT-RATEでは41.92%,RAD-ChestCTでは44.99%の精度が得られた。
論文 参考訳（メタデータ） (2026-02-01T12:43:11Z) - Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。
本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。
DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
論文 参考訳（メタデータ） (2025-10-28T17:19:47Z) - RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。
RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文 参考訳（メタデータ） (2025-09-24T10:36:14Z) - Multimodal Attention-Aware Fusion for Diagnosing Distal Myopathy: Evaluating Model Interpretability and Clinician Trust [19.107204920543676]
遠位筋症は広範な臨床症状を呈する骨格筋疾患の一群である。
本稿では,2つの異なる深層学習モデルから抽出した特徴を組み合わせたマルチモーダル・アウェア・フュージョンアーキテクチャを提案する。
提案手法は,これらの特徴をアテンションゲート機構を通じて統合し,予測性能と解釈可能性の両方を向上させる。
論文 参考訳（メタデータ） (2025-08-02T11:08:55Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - Discovering Pathology Rationale and Token Allocation for Efficient Multimodal Pathology Reasoning [25.707757721296627]
多モード画像理解は、診断精度を向上させる可能性から、広く関心を集めている。
既存の手法では推論能力が限られており、複雑な診断シナリオを扱う能力を妨げている。
本稿では,2つの相乗的分枝からなる二元的強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-21T16:03:03Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z)
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。