論文の概要: MedLatentDx: Latent Multi-Agent Communication for Cross-Hospital Rare-Disease Diagnosis

• arxiv url: http://arxiv.org/abs/2606.13945v1
• Date: Thu, 11 Jun 2026 22:11:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.667074
• Title: MedLatentDx: Latent Multi-Agent Communication for Cross-Hospital Rare-Disease Diagnosis
• Title（参考訳）: MedLatentDx:クロスホスピタル希釈診断のための潜在マルチエージェント通信
• Authors: Ziqing Wang, Lili Zhao, Kaize Ding,
• Abstract要約: 病院間のコラボレーションは、診断機関が分散されたケース固有の診断証拠を使用することで役立つ。 MedLatentDx(MedLatentDx)は、病院エージェントが診療記録と患者検索をローカルに保持する、潜伏型マルチエージェント通信フレームワークである。 MedLatentDxは、病院レベルのパーティションを備えた自己ビルドされた大規模レアディスリーズベンチマークであるCrossRare-Benchで、クロスホスピタル診断性能を改善している。
• 参考スコア（独自算出の注目度）: 31.961716768954236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rare diseases affect over $300$ million patients across more than $7{,}000$ conditions, yet no single hospital encounters enough cases of any one condition for reliable diagnosis. Cross-hospital collaboration could help by allowing a diagnosing institution to use distributed, case-specific diagnostic evidence, but privacy regulations restrict the transmission of identifiable clinical text across institutional boundaries. This setting raises two challenges: existing medical agent systems often rely on textual evidence exchange, while raw latent states such as hidden states and KV caches may still reveal prompt-derived clinical content. We introduce MedLatentDx, a latent multi-agent communication framework in which hospital agents keep private clinical records and retrieved cases local, and send compact latent KV blocks to a host agent for rare-disease diagnosis. MedLatentDx supports two deployment settings: same-backbone hospital agents use latent KV distillation, while hospitals with different LLM backbones use cross-family latent alignment. On CrossRare-Bench, a self-built large-scale rare-disease benchmark with hospital-level partitions, MedLatentDx improves cross-hospital diagnostic performance while reducing reconstructable clinical content relative to raw-latent communication baselines.
• Abstract（参考訳）: 希少な疾患は7,000ドル以上の条件で3億ドル以上の患者に影響を及ぼすが、信頼できる診断に十分な疾患に遭遇する病院は1つもない。 病院間の共同作業は、診断機関が分散されたケース固有の診断証拠を使用できるようにするのに役立つが、プライバシ規制は、施設の境界を越えて、特定可能な臨床テキストの送信を制限する。 既存の医療エージェントシステムは、しばしばテキストによるエビデンス交換に依存するが、隠れた状態やKVキャッシュのような生の潜伏状態は、今でもすぐに引き起こされる臨床内容を明らかにする。 MedLatentDxは, 病院エージェントが診療記録を保管し, 患者を局所的に検索し, 宿主エージェントにコンパクトな潜伏KVブロックを送信し, 希少な診断を行う, 潜伏多エージェント通信フレームワークである。 MedLatentDxは2つのデプロイメント設定をサポートしている: 同一バックボーンの病院エージェントは潜伏KV蒸留を使用し、異なるLLMバックボーンを持つ病院はクロスファミリーの潜伏アライメントを使用する。 MedLatentDxは病院レベルのパーティションを備えた自己構築された大規模レア・ディスリーズ・ベンチマークであるCrossRare-Bench上で、クロスホスピタル診断性能を改善しながら、生のラテント通信ベースラインに対する再構成可能な臨床内容を削減する。

関連論文リスト

• MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus [24.19892707167392]
  臨床診断のための既存のAIアプローチは、透明性、構造化推論、デプロイ性に欠けることが多い。 標準化された異常所見から診断仮説を生成するエンド・ツー・エンドのフレームワークであるMedCoRAGを提案する。 その後、UMLS知識グラフパスと臨床ガイドラインを共同で検索し、解析することで、患者固有のエビデンスパッケージを構築する。
  論文  参考訳（メタデータ） (2026-03-05T12:58:45Z)
• CXReasonAgent: Evidence-Grounded Diagnostic Reasoning Agent for Chest X-rays [16.09644321057171]
  胸部X線は胸部診断において中心的な役割を担い、その解釈は本質的に多段階の根拠に基づく推論を必要とする。 大規模視覚言語モデル(LVLM)は、診断的証拠に忠実に基づかない、もっともらしい応答を生成する。 本稿では,CXReasonAgentについて紹介する。CXReasonAgentは,大規模言語モデルと臨床診断ツールを統合した診断剤である。
  論文  参考訳（メタデータ） (2026-02-26T17:51:21Z)
• Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
  冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。 患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
  論文  参考訳（メタデータ） (2026-02-02T13:07:52Z)
• Federated Learning for Pediatric Pneumonia Detection: Enabling Collaborative Diagnosis Without Sharing Patient Data [0.20878272814614088]
  胸部X線による早期かつ正確な肺炎検出は、治療と隔離の迅速化、合併症の軽減、不要な抗生物質使用の抑制に臨床的に重要である。 CXRベースの検出の開発は、グローバルな分散データ、高いホスピタル間変動、厳格なプライバシー規制によって妨げられている。 本稿では,Sherpa.ai FLプラットフォームを用いて,フェデレートラーニング(FL)の評価を行う。 FLは、ハイパフォーマンスで、一般化可能で、安全で、プライベートな肺炎検出を、医療ネットワーク全体にわたって提供する。
  論文  参考訳（メタデータ） (2025-11-12T18:17:06Z)
• MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM [32.0716204095227]
  大規模言語モデル(LLM)は医学的応用において顕著な可能性を示している。 本研究は,新しいMulti-Agent Clinical Diagnosis (MACD) フレームワークを提案する。 LLMはマルチエージェントパイプラインを通じて自己学習型臨床知識を提供する。
  論文  参考訳（メタデータ） (2025-09-24T12:37:11Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)

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。