論文の概要: LLM-Orchestrated Conformance Checking in Stroke Care Without Computer-Interpretable Guidelines
- arxiv url: http://arxiv.org/abs/2606.09489v1
- Date: Mon, 08 Jun 2026 13:44:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:07.161741
- Title: LLM-Orchestrated Conformance Checking in Stroke Care Without Computer-Interpretable Guidelines
- Title（参考訳）: コンピュータ解釈不能なストロークケアにおけるLCM-Orchestrated Conformance Checking
- Authors: Giorgio Leonardi, Stefania Montani, Manuel Striani, Alessandro Canessa, Delfina Ferrandi,
- Abstract要約: 医療におけるコンパタンスチェックは、患者のケアパスが臨床ガイドラインに準拠しているかどうかを評価することを目的としている。
本研究は、非構造化臨床およびガイドラインテキストから直接、医療適合性チェックをサポートするモジュラーフレームワークを導入する。
- 参考スコア（独自算出の注目度）: 35.18016233072556
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Objective: Conformance checking in healthcare seeks to assess whether patient care pathways adhere to clinical guidelines. However, its practical application often depends on the availability of formal, machine-interpretable representations of guidelines, such as Computer-Interpretable Guidelines (CIGs), which are seldom available in real-world clinical settings. Methods: This work introduces a modular framework based on the orchestration of Large Language Models (LLMs) to support medical conformance checking directly from unstructured clinical and guideline texts, without requiring predefined CIGs. The proposed architecture integrates multiple LLMs and supporting components to extract patient traces from clinical discharge letters, identify normative rules from textual clinical guidelines, translate these rules into executable scripts, and compute a Trace Conformance Indicator to quantify compliance within the event log. Results: The framework was implemented and evaluated in the stroke care domain at the neurological ward of Alessandria Hospital. Hundreds of patient traces were automatically extracted from hospital data and assessed against 50 rules derived from the reference guideline. The analysis showed that more than 86\% of the available traces were conformant. Conclusion: The results demonstrate the feasibility of using orchestrated LLMs for practical healthcare conformance analysis. At the same time, the study provides evidence of a high level of adherence to stroke care guidelines at Alessandria Hospital.
- Abstract（参考訳）: 目的:医療におけるコンフォーマンスチェックは、患者のケアパスが臨床ガイドラインに準拠しているかどうかを評価することを目的としている。
しかし,コンピュータ・インタプリタブル・ガイドライン (Computer-Interpretable Guidelines, CIGs) など,実際の臨床ではほとんど利用できないガイドラインの形式的,機械解釈可能な表現に頼っていることが多い。
方法:本研究では,CIGを必要とせずに,非構造化臨床およびガイドラインテキストから直接,医療適合性チェックをサポートするために,LLM(Large Language Models)のオーケストレーションに基づくモジュラーフレームワークを導入する。
提案アーキテクチャは,複数のLCMを統合し,臨床退院状から患者のトレースを抽出し,テキスト臨床ガイドラインから規範的ルールを特定し,これらのルールを実行可能なスクリプトに変換し,イベントログ内のコンプライアンスを定量化するためのトレースコンフォーマンス指標を算出する。
結果: アレッサンドリア病院神経学病棟の脳卒中ケア領域で実施し, 評価した。
病院データから数百の患者の痕跡を自動的に抽出し,基準ガイドラインから導出された50のルールに対して評価した。
分析の結果、利用可能な痕跡の86%以上は一致していた。
結論: この結果から, 医療適合分析における組織的LPMの有用性が示唆された。
同時に、この研究は、アレッサンドリア病院における脳卒中ケアガイドラインへの高い順守の証拠を提供する。
関連論文リスト
- Evaluating Large Language Models in Dynamic Clinical Decision-Making with Standardized Patient Cases [71.12461204050985]
MedSP1000 (MedSP1000) は、SP由来の臨床エージェント評価のための対話型ベンチマークである。
ピアレビューされたSPの授業ケースを、定義されたSPケーススクリプト、臨床環境コンテキスト、人為的な構造化ルーブリックで実行可能なシナリオに変換する。
MedSP1000を多種多様な汎用および医療用LLMに適用すると、静的ベンチマークの性能がそのような教育シナリオに確実に変換されないことが分かる。
論文 参考訳（メタデータ） (2026-06-03T17:17:16Z) - MedCase-Structured: A Text-to-FHIR Dataset for Benchmarking Diagnostic Reasoning in Clinically Realistic EHR Settings [2.759077490183459]
大きな言語モデル(LLM)は、臨床推論と意思決定支援の約束を示す。
HL7 FHIR R4バンドルを非構造化テキストから生成するためのパイプラインを提案する。
このアプローチをMedCaseReasoningに適用し、臨床医が認可した診断症例に対応する合成データセットであるMedCase-Structuredを構築した。
論文 参考訳（メタデータ） (2026-05-28T17:42:43Z) - MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval [12.265116154395434]
MED-COPILOTは,臨床医と研修医を対象としたインタラクティブな臨床意思決定支援システムである。
このシステムはWHOとNICEのガイドラインから構造化知識グラフを構築し、効率的な検索にコミュニティレベルの要約を適用し、36,000ケースの類似患者データベースを維持している。
論文 参考訳（メタデータ） (2026-02-28T04:32:03Z) - ClinAlign: Scaling Healthcare Alignment from Clinician Preference [46.61989657665566]
今回,HealthRubricsについて紹介する。
119は広く再利用され、臨床的に根ざした原則である。
私たちのフレームワークでトレーニングされた30B-A3BモデルはHealthBench-Hardで33.4%を達成した。
論文 参考訳（メタデータ） (2026-02-10T11:02:57Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。
本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。
実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
論文 参考訳（メタデータ） (2025-12-29T12:58:58Z) - Leveraging LLMs for Structured Data Extraction from Unstructured Patient Records [0.0]
手動チャートのレビューは、臨床研究において非常に時間がかかり、資源集約的な要素である。
局所展開型大規模言語モデル(LLM)を利用した臨床ノートからの自動特徴抽出のためのフレームワークを提案する。
このフレームワークは、手動のチャートレビューの負担を軽減し、データキャプチャの一貫性を向上させるLLMシステムの可能性を示す。
論文 参考訳（メタデータ） (2025-12-03T14:10:12Z) - Refine Medical Diagnosis Using Generation Augmented Retrieval and Clinical Practice Guidelines [16.56254046507092]
GARMLE-Gは、医療用言語モデルの出力を権威的ガイドラインに根拠づけた、世代別検索フレームワークである。
従来のRetrieval-Augmented Generationベースのアプローチとは異なり、GARMLE-Gは権威的なガイドラインコンテンツを直接検索することで幻覚のない出力を可能にする。
高血圧診断のためのプロトタイプシステムを開発し, 検索精度, 意味的関連性, 臨床ガイドラインの適合性を実証した。
論文 参考訳（メタデータ） (2025-06-22T11:31:13Z) - Bringing CLIP to the Clinic: Dynamic Soft Labels and Negation-Aware Learning for Medical Analysis [0.9944647907864256]
臨床的に強化されたダイナミック・ソフト・ラベルと医用グラフィカル・アライメントを統合した新しいアプローチを提案する。
われわれのアプローチは、医療用CLIPトレーニングパイプラインに容易に統合され、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-05-28T08:00:18Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z)
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。