論文の概要: Medical world models: representing medical states, modelling clinical dynamics and guiding intervention policies
- arxiv url: http://arxiv.org/abs/2606.16721v1
- Date: Mon, 15 Jun 2026 13:49:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.58531
- Title: Medical world models: representing medical states, modelling clinical dynamics and guiding intervention policies
- Title（参考訳）: 医療世界モデル:医療状態の表現、臨床力学のモデル化、介入政策の導出
- Authors: Ke Liu, Mengxuan Li, Yanyi Bao, Tianyun Zhang, Chong Chu, Jiajun Bu, Haishuai Wang,
- Abstract要約: 診断と治療は、患者の状態が時間とともに進化する動的なプロセスである。
現在の医療AIは病気を検出し、リスクを見積もり、報告を生成することができるが、多くのシステムは依然として静的ラベルやスコアを返す。
本総説では,医学界モデルに向けての診断と予測から医療AIを進化させるロードマップを概説する。
- 参考スコア（独自算出の注目度）: 27.623290398566244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical diagnosis and treatment are dynamic processes in which patient states evolve over time and clinical interventions alter future outcomes. Although current medical AI can detect disease, estimate risk and generate reports, many systems still return static labels or scores, offering limited insight into how illness may progress or how alternative interventions may reshape its trajectory. Medical world models adapt the world-model idea from artificial intelligence to healthcare by learning internal simulators of patient-state dynamics. Their long-term goal is to help clinicians anticipate deterioration, compare treatment-conditioned futures and tailor care to individual patients. Yet relevant work remains scattered across foundation models, longitudinal modelling, disease simulation, treatment-effect estimation, reinforcement learning and digital twins. To bridge this gap, this review outlines a roadmap for advancing medical AI from isolated diagnosis and prediction toward medical world models that simulate disease evolution and support intervention decisions. This roadmap is organized around three coupled capabilities: patient-state construction, clinical dynamics modelling and intervention decision support. Across representative systems, the comparison highlights what each capability contributes and how partial components can be integrated into more mature perception--dynamics--planning systems. Finally, we identify the challenges involved in turning plausible rollouts into clinically useful simulators. Related literature is available at https://github.com/1999kevin/awesome_medical_world_models.
- Abstract（参考訳）: 医療診断と治療は、患者の状態が時間とともに進化し、臨床介入が将来の結果を変える動的なプロセスである。
現在の医療AIは病気を検出し、リスクを見積もり、報告を生成することができるが、多くのシステムは依然として静的なラベルやスコアを返す。
医療の世界モデルは、患者状態の力学の内部シミュレータを学習することで、人工知能から医療への世界モデルの概念を適応させる。
彼らの長期的な目標は、臨床医が劣化を予知し、治療条件のある未来と個別の患者に対する適切なケアを比較することにある。
しかし、関連する研究は基礎モデル、縦断的モデリング、疾患シミュレーション、治療効果推定、強化学習、デジタル双生児に分散している。
このギャップを埋めるために、このレビューでは、病気の進化をシミュレートし、介入決定を支援する医療世界モデルに向けて、孤立した診断と予測から医療AIを前進させるロードマップを概説する。
このロードマップは、患者の状態構築、臨床ダイナミクスモデリング、介入決定支援の3つの複合機能を中心に構成されている。
代表的なシステム全体では、各機能がどのように貢献するか、そして、どのように部分的なコンポーネントをより成熟した知覚-力学-計画システムに統合できるかを強調している。
最後に、プラウチブルロールアウトを臨床的に有用なシミュレータに変える際の課題を特定する。
関連文献はhttps://github.com/1999kevin/awesome_medical_world_modelsで公開されている。
関連論文リスト
- Towards World Models in Biomedical Research [77.59710966764466]
我々は,AIによる発見のパラダイムとして,バイオメディカルワールドモデルを提案する。
これらのモデルは、介入条件付き力学とともに、分子、細胞、組織、臨床状態の潜伏表現を学習する。
バイオメディカルワールドモデルは, 仮想細胞, オルガノイド, 仮想患者, 手術シミュレーションなど, データエンジン, 環境シミュレータ, 科学計画基板としてどのように機能するかを論じる。
論文 参考訳（メタデータ） (2026-06-04T09:28:54Z) - From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。
3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。
本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-05-16T10:45:26Z) - From Prediction to Intervention: The Evolution of AI in Biomedicine [67.45502291821956]
バイオメディシンにおけるAIは、構造的移行の段階にあると我々は主張する。
我々は、生物学的プロセスの状態、ダイナミクス、介入応答を明確に表すシステムとして、疾患レベルモデルを定義します。
バイオメディカルな意思決定の構造から直接従い、医学におけるAIの次の段階を定義する。
論文 参考訳（メタデータ） (2026-04-14T17:49:51Z) - EHRWorld: A Patient-Centric Medical World Model for Long-Horizon Clinical Trajectories [16.355665390403654]
近年の大規模言語モデル (LLM) は, 静的な医学的推論タスクにおいて高い性能を発揮している。
臨床知識を取り入れたLCMは,連続的介入による一貫した患者状態の維持に苦慮している。
EHRWorldは、患者中心の医療世界モデルであり、因果的シーケンシャルパラダイムの下で訓練されている。
論文 参考訳（メタデータ） (2026-02-03T14:12:24Z) - CLARITY: Medical World Model for Guiding Treatment Decisions by Modeling Context-Aware Disease Trajectories in Latent Space [49.74032713886216]
CLARITYは、構造化潜在空間内で直接疾患の進化を予測する医療世界モデルである。
時間間隔(時間的文脈)と患者固有のデータ(臨床的文脈)を明確に統合し、スムーズで解釈可能な軌跡として治療条件の進行をモデル化する。
論文 参考訳（メタデータ） (2025-12-08T20:42:10Z) - Medical World Model: Generative Simulation of Tumor Evolution for Treatment Planning [50.16114813279694]
臨床診断に基づいて将来の疾患状態を視覚的に予測する医用世界モデル(MeWM)を紹介する。
MeWMは、(i)政策モデルとして機能する視覚言語モデルと、(ii)ダイナミックスモデルとして腫瘍生成モデルから構成される。
シミュレーション後腫瘍に対する生存解析を適用した逆ダイナミクスモデルを提案し,治療効果の評価と最適な臨床行動計画の選択を可能にした。
論文 参考訳（メタデータ） (2025-06-02T23:50:40Z) - Medical Video Generation for Disease Progression Simulation [40.38123964910394]
疾患関連画像と映像の特徴を制御できる第1の医用ビデオ生成フレームワークを提案する。
胸部X線,眼底写真,皮膚画像の3領域にまたがる枠組みを検証した。
MVGは、コヒーレントで臨床的に妥当な疾患軌跡を発生させる上で、ベースラインモデルよりも著しく優れている。
論文 参考訳（メタデータ） (2024-11-18T18:37:09Z) - Patient-centered data science: an integrative framework for evaluating and predicting clinical outcomes in the digital health era [0.0]
本研究では,デジタルヘルス時代の患者中心型データサイエンスのための新たな統合的枠組みを提案する。
従来の臨床データと患者の報告した結果、健康の社会的決定要因、および多次元データを組み合わせて総合的なデジタル患者表現を作成する多次元モデルを開発した。
論文 参考訳（メタデータ） (2024-07-31T02:36:17Z) - Modelling Patient Trajectories Using Multimodal Information [0.0]
本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。
本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
論文 参考訳（メタデータ） (2022-09-09T10:20:54Z) - Graph representation forecasting of patient's medical conditions:
towards a digital twin [0.0]
複数組織におけるACE2過剰発現が心血管機能に及ぼす影響について検討した。
本稿では,分子データを用いた大規模な構成可能な臨床モデルの統合という概念の実証を行う。
論文 参考訳（メタデータ） (2020-09-17T13:49:48Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。