論文の概要: ArogyaSutra: A Multi-Agent Framework for Multimodal Medical Reasoning in Indic Languages

• arxiv url: http://arxiv.org/abs/2606.13572v1
• Date: Thu, 11 Jun 2026 16:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.933835
• Title: ArogyaSutra: A Multi-Agent Framework for Multimodal Medical Reasoning in Indic Languages
• Title（参考訳）: ArogyaSutra: インデックス言語におけるマルチモーダル医療推論のためのマルチエージェントフレームワーク
• Authors: Tanmoy Kanti Halder, Akash Ghosh, Subhadip Baidya, Arijit Roy, Sriparna Saha,
• Abstract要約: 本稿では,8つの情報源から構築した大規模多言語医療質問応答データセットであるArogyaBodhaを紹介する。 本稿では,ツールグラウンディングとデュアルメモリ機構を統合するフレームワークであるArogyaSutraを提案する。 実験により、我々のデータセットとフレームワークは、すべてのIndic言語における多言語医療推論の精度を向上させることが示された。
• 参考スコア（独自算出の注目度）: 19.24164302861434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal Large Language Models (MLLMs) have shown promising reasoning capabilities in general domains, yet their performance remains limited in specialized settings such as healthcare, especially in multilingual and low-resource scenarios. This gap is critical in regions like rural India, where patients often express complex medical queries in native Indic languages and rely on multimodal inputs such as medical images. Existing English-centric MLLMs struggle to support such use cases, limiting equitable access to AI-driven healthcare assistance. To address this challenge, we introduce ArogyaBodha, a large-scale multilingual multimodal medical question-answer dataset constructed from eight heterogeneous sources, covering 31 body systems, six imaging modalities, and 21 clinical domains across English and seven major Indian languages. We further propose ArogyaSutra, an actor-critic-based multi-agent framework that integrates tool grounding with dual-memory mechanisms for step-wise, reasoning-aware decision making, and uses stored actor-critic simulation trajectories for distillation. Experiments show that our dataset and framework improve multilingual medical reasoning accuracy across all Indic languages, with ablations validating the contribution of each component. The source code and dataset are available at: https://iitp-cse.github.io/ ArogyaSutra/
• Abstract（参考訳）: MLLM(Multimodal Large Language Models)は、一般的なドメインにおいて有望な推論能力を示しているが、そのパフォーマンスは医療、特にマルチリンガルおよび低リソースのシナリオにおいて制限されている。 インドの農村部では、患者はインディア語で複雑な医療クエリを表現し、医療画像のようなマルチモーダルな入力に依存している。 既存の英語中心のMLLMは、そのようなユースケースをサポートするのに苦労し、AI駆動型医療支援への公平なアクセスを制限している。 この課題に対処するために、ArogyaBodhaを紹介した。ArogyaBodhaは、英語と7つの主要インドの言語にまたがる、31の身体システム、6つの画像モダリティ、21の臨床ドメインを含む8つの異種ソースから構築された大規模多言語医療質問応答データセットである。 さらに,アクターをベースとしたマルチエージェントフレームワークであるArogyaSutraを提案する。このフレームワークは,ステップワイズ,推論,判断のためのデュアルメモリ機構とツールグラウンドを統合し,格納されたアクター・アクター・シミュレーション・トラジェクトリを用いて蒸留を行う。 実験により、我々のデータセットとフレームワークは、すべてのIndic言語における多言語医学的推論精度を改善し、各コンポーネントの貢献を検証した。 ソースコードとデータセットは、https://iitp-cse.github.io/ ArogyaSutra/.com/で入手できる。

関連論文リスト

• IndicMedDialog: A Parallel Multi-Turn Medical Dialogue Dataset for Accessible Healthcare in Indic Languages [1.3141424119891407]
  IndicMedDialogは、英語と9つのIndic言語にまたがるマルチターン医療対話データセットである。 このデータセットは、ネイティブスピーカーによって検証されたTranslateGemmaを用いて翻訳されたLLM生成合成コンサルテーションによりMDDialを拡張する。 IndicMedLMを量子化された小言語モデルのパラメータ効率適応により微調整し、任意の患者プレコンテキストを組み込む。
  論文  参考訳（メタデータ） (2026-05-13T10:06:38Z)
• MultiMed: Multilingual Medical Speech Recognition via Attention Encoder Decoder [5.3903790635541515]
  我々はMultiMedを紹介した。MultiMedは、マルチリンガルな医療ASRデータセットであり、小型から大規模の医療ASRモデルの最初のコレクションである。 私たちの知る限り、MultiMedは主要なベンチマーク全体にわたって世界最大の医療ASRデータセットです。 本稿では, 再現可能な経験ベースライン, モノリンガル性・多言語性分析, 注意復号法(AED)とハイブリッド比較法(Hybrid comparative study)と言語学的分析を含む, 医療ASRにおける最初の多言語性研究について紹介する。
  論文  参考訳（メタデータ） (2024-09-21T09:05:48Z)
• Towards Building Multilingual Language Model for Medicine [54.1382395897071]
  6つの主要言語を含む約25.5Bトークンを含む多言語医療コーパスを構築した。 MMedBench と呼ばれる有理性を持つ多言語医療用多言語質問応答ベンチマークを提案する。 我々の最終モデルであるMMed-Llama 3は、8Bパラメータしか持たないが、MMedBenchおよび英語ベンチマークの他のすべてのオープンソースモデルと比較して優れた性能が得られる。
  論文  参考訳（メタデータ） (2024-02-21T17:47:20Z)
• MedEval: A Multi-Level, Multi-Task, and Multi-Domain Medical Benchmark for Language Model Evaluation [22.986061896641083]
  MedEvalは、医療のための言語モデルの開発を促進するために、マルチレベル、マルチタスク、マルチドメインの医療ベンチマークである。 22,779の文と21,228のレポートを収集し、専門家のアノテーションを複数のレベルで提供し、データの詳細な使用可能性を提供します。
  論文  参考訳（メタデータ） (2023-10-21T18:59:41Z)
• MULTI3NLU++: A Multilingual, Multi-Intent, Multi-Domain Dataset for Natural Language Understanding in Task-Oriented Dialogue [115.32009638844059]
  英語のみのNLU++データセットを拡張して、手動による翻訳を高、中、低リソース言語に含めます。 Multi3NLU++はそのマルチインテント特性のため、複雑で自然なユーザ目標を表現している。 我々はMulti3NLU++を用いて、インテント検出やスロットラベリングといった自然言語理解タスクに対して、最先端の多言語モデルをベンチマークする。
  論文  参考訳（メタデータ） (2022-12-20T17:34:25Z)
• AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages with Adversarial Examples [51.048234591165155]
  本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。 言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。 その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T20:23:45Z)

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。