論文の概要: Language-Based Digital Twins for Elderly Cognitive Assistance

• arxiv url: http://arxiv.org/abs/2606.27334v1
• Date: Thu, 25 Jun 2026 17:45:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.384193
• Title: Language-Based Digital Twins for Elderly Cognitive Assistance
• Title（参考訳）: 高齢者認知支援のための言語ベースデジタル双生児
• Abstract要約: 高齢者の会話行動を模倣する言語に基づくデジタルツインフレームワークを提案する。 実験により、デジタルツインはアイデンティティ固有の特性を保持し、実際のデータに匹敵する再構成とMoCA予測誤差を達成することが示された。
• 参考スコア（独自算出の注目度）: 8.573935948021695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital twins have emerged as a promising paradigm for personalized healthcare, enabling modeling of individual behavior and health trajectories. In cognitive health, early detection of Mild Cognitive Impairment (MCI) remains challenging, where language and conversational patterns serve as non-invasive biomarkers. In this work, we propose a language-based digital twin framework that leverages large language models (LLMs) to mimic the conversational behavior of elderly individuals by incorporating stylometric cues and contextual metadata. To evaluate fidelity and cognitive consistency, we introduce a multi-head conditional variational autoencoder (cVAE) that jointly measures reconstruction quality and predicts cognitive scores. Experiments on the I-CONECT dataset show that the digital twin preserves identity-specific characteristics and achieves reconstruction and MoCA prediction errors comparable to real data, while outperforming baseline GPT-generated responses. These results highlight the potential of language-based digital twins as a scalable and non-invasive approach for personalized and continuous cognitive health monitoring.
• Abstract（参考訳）: デジタル双生児は、個人の行動と健康軌道のモデリングを可能にする、パーソナライズされた医療のための有望なパラダイムとして登場した。 認知健康においては、言語や会話のパターンが非侵襲的なバイオマーカーとして機能するミルド認知障害(MCI)の早期発見は依然として困難である。 本研究では,大規模言語モデル(LLM)を活用する言語ベースのデジタルツインフレームワークを提案する。 本研究では, マルチヘッド条件付き変分オートエンコーダ(cVAE)を導入し, 再現性の評価と認知スコアの予測を行う。 I-CONECTデータセットの実験では、デジタルツインはアイデンティティ固有の特性を保持し、実際のデータに匹敵する再構成とMoCA予測誤差を達成し、ベースラインのGPT生成応答よりも優れていた。 これらの結果は、パーソナライズされた継続的な認知健康モニタリングのためのスケーラブルで非侵襲的なアプローチとして、言語ベースのデジタルツインの可能性を強調している。

関連論文リスト

• Beyond ID Embeddings: Process-Grounded Language Modeling for Cognitive Diagnosis [77.02066500576528]
  プロセス認識言語認知診断(PLCD)フレームワークは、言語から派生した構造を認知の先行点として使用し、学生の後方状態を校正するための応答記録を使用する。 PLCDは、学生のパフォーマンス予測において従来のベースラインを上回るだけでなく、認知伝達能力も高い。
  論文  参考訳（メタデータ） (2026-09-11T03:51:20Z)
• Gated Multi-Graph Fusion via Graph Attention Networks for Alzheimer's Disease Detection [52.36198268369384]
  自然発声はアルツハイマー病(AD)にとって重要な非侵襲的バイオマーカーである 本稿では,音声を自動音声認識(ASR)で書き起こし,セマンティック,依存性,共起グラフを構築するマルチビューGated Graph Attention Networkを提案する。
  論文  参考訳（メタデータ） (2026-06-30T06:15:59Z)
• CognitiveTwin: Robust Multi-Modal Digital Twins for Predicting Cognitive Decline in Alzheimer's Disease [0.2566571621858396]
  本稿では,患者固有の認知軌道を予測するデジタルツインフレームワークであるCognitiveTwinを紹介する。 我々は,TADPOLEデータセット中の1,666人のデータを用いて,このフレームワークを訓練し,評価した。
  論文  参考訳（メタデータ） (2026-04-24T10:40:51Z)
• Psychometric Comparability of LLM-Based Digital Twins [2.7740826124350355]
  私たちは、モデル、タスク、個人固有の入力がどのようにパフォーマンスを形作るかをテストするために、人間のゴールド標準に対してデジタルツインをベンチマークします。 研究全体では、デジタル双生児は高い人口レベルの精度と、参加者内プロファイルの強い相関を達成した。 ディジタル双生児はバイアスを過小評価し、規範的予測、圧縮分散、時間的情報に対する感度の制限を示す。
  論文  参考訳（メタデータ） (2025-12-22T18:04:27Z)
• A Semantic Framework for Patient Digital Twins in Chronic Care [0.0]
  患者医療デジタルツイン(PMDT)は、生理的、精神社会的、行動的、ゲノム的な情報をコヒーレントなモデルに統合する。 PMDTはセマンティック・インターオペラビリティを確保し、自動推論をサポートし、さまざまな臨床コンテキストでの再利用を可能にする。 データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代デジタルヘルスエコシステムの検証された基盤を提供する。
  論文  参考訳（メタデータ） (2025-10-10T08:34:55Z)
• Devising a Set of Compact and Explainable Spoken Language Feature for Screening Alzheimer's Disease [52.46922921214341]
  アルツハイマー病(AD)は高齢化社会において最も重要な健康問題の一つとなっている。 我々は,大言語モデル(LLM)とTF-IDFモデルの視覚的機能を活用する,説明可能な効果的な機能セットを考案した。 当社の新機能は、自動ADスクリーニングの解釈可能性を高めるステップバイステップで説明し、解釈することができる。
  論文  参考訳（メタデータ） (2024-11-28T05:23:22Z)
• Brain-Cognition Fingerprinting via Graph-GCCA with Contrastive Learning [28.681229869236393]
  縦断的神経画像研究は、脳機能と認知の間の動的相互作用を研究することによって、脳の老化と疾患の理解を改善することを目的としている。 本稿では,グラフ注意ネットワークと一般化相関解析を用いた教師なし学習モデルを提案する。 個々の人の独特の神経・認知表現型を反映した脳認知指紋を作成するために、モデルは個別化およびマルチモーダル・コントラスト学習にも依存する。
  論文  参考訳（メタデータ） (2024-09-20T20:36:20Z)
• BrainLLM: Generative Language Decoding from Brain Recordings [77.66707255697706]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• Semantic Coherence Markers for the Early Diagnosis of the Alzheimer Disease [0.0]
  パープレキシティはもともと、与えられた言語モデルがテキストシーケンスを予測するのにどの程度適しているかを評価するための情報理論の尺度として考え出された。 我々は2グラムから5グラムまでのN-gramとトランスフォーマーベース言語モデルであるGPT-2を多種多様な言語モデルに適用した。 ベストパフォーマンスモデルでは、ADクラスと制御対象の両方から対象を分類する際に、完全精度とFスコア(精度/特異度とリコール/感度のそれぞれ1.00)を達成した。
  論文  参考訳（メタデータ） (2023-02-02T11:40:16Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。