論文の概要: Evidence-Grounded AI for Musculoskeletal Care
- arxiv url: http://arxiv.org/abs/2607.12527v2
- Date: Wed, 15 Jul 2026 08:15:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 12:21:59.57701
- Title: Evidence-Grounded AI for Musculoskeletal Care
- Title（参考訳）: Evidence-Grounded AI for Musculoskeletal Care
- Abstract要約: 筋骨格疾患は世界中の障害の主要な原因の一つである。
OrthoPilotは、リアルタイムイメージング、実験室、病理、注文データを自動で取得する。
進化する患者の状態を、入院診断からリハビリテーション計画へのエビデンスベースの決定に変換する。
- 参考スコア（独自算出の注目度）: 106.59121478639402
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Musculoskeletal diseases are among the leading causes of disability worldwide and create the greatest global need for rehabilitation. Because recovery, remodelling and degeneration often unfold over months to years, musculoskeletal care requires longitudinal management that repeatedly integrates evolving patient evidence, external medical knowledge and stage-specific functional goals. In routine practice, this evidence is fragmented across visits, departments and hospital systems, limiting individualized, evidence-based care. Here we report OrthoPilot, a clinical artificial intelligence system powered by a large language model that integrates hospital data streams with authoritative external knowledge for continuous musculoskeletal management. OrthoPilot autonomously retrieves real-time imaging, laboratory, pathology and order data and converts evolving patient states into evidence-based decisions from admission diagnosis to rehabilitation planning. We established a specialist-validated benchmark from real-world electronic health records spanning 1,000 disease codes. In a reader study across the complete care pathway, OrthoPilot was compared with 81 orthopaedic physicians and surpassed experts with 25 years of experience in diagnostic reasoning, clinical decision-making and management planning. It also outperformed all evaluated intelligent systems across 60 external clinical centres. In a prospective study of 1,870 complex cases, OrthoPilot increased full-chain management success by 10.6%. During an 8-month randomised deployment involving 8,240 inpatients, it increased cumulative cases per bed by 9.7% and improved patient-reported access to health information. These results move clinical AI from predicting isolated events toward executing longitudinal management across complete musculoskeletal care pathways.
- Abstract（参考訳）: 筋骨格疾患は世界中の障害の主要な原因の一つであり、リハビリテーションの最大の世界的ニーズを生み出している。
回復、リモデリング、変性はしばしば数ヶ月から数年にわたって展開するので、筋骨格ケアは、進化する患者の証拠、外部医療知識、ステージ固有の機能目標を繰り返し統合する縦断的な管理を必要とする。
日常的な実践では、この証拠は訪問、部署、病院システムで断片化され、個別化されたエビデンスベースのケアを制限する。
本稿では、病院のデータストリームと、継続的な筋骨格管理のための権威的な外部知識を統合した、大規模言語モデルを利用した臨床人工知能システムOrthoPilotについて報告する。
OrthoPilotは、リアルタイムイメージング、検査、病理、注文データを自動で回収し、進化する患者の状態を、入院診断からリハビリテーション計画へのエビデンスベースの決定に変換する。
我々は、1000の疾患コードにまたがる実世界の電子健康記録から、専門家が検証したベンチマークを確立した。
整形外科の整形外科医81名と比較し,25年間の診断的推論,臨床的意思決定,管理計画の経験を持つ専門家を抜いた。
また、60の外部臨床センターで評価された知能システムよりも優れていた。
1,870件の複雑なケースの予測調査において、OrthoPilotはフルチェーン管理の成功を10.6%向上させた。
8,240人の入院患者を対象とする8ヶ月のランダム化デプロイでは、ベッド当たりの累積感染者が9.7%増加し、患者の健康情報へのアクセスが改善した。
これらの結果は、臨床AIが孤立事象の予測から、完全な筋骨格ケア経路にわたる経時的管理へと移行する。
関連論文リスト
- ResidencyRL: Reinforcement Learning in Simulated Clinical Environments [53.76751756107077]
臨床人工知能(AI)エージェントを模擬多ターン臨床で訓練するための強化学習(RL)手法であるResidencyRLを提案する。
ホールドアウト評価では、ResidencyRLエージェントは、対向条件下で診断精度を7.0%向上させる。
盲目の専門医はこれらの利得を検証し、訓練されたエージェントをサイドバイサイド比較の87.6%で好んだ。
論文 参考訳（メタデータ） (2026-08-07T17:04:41Z) - DT-Transformer: A Foundation Model for Disease Trajectory Prediction on a Real-world Health System [3.932718734616]
We developed DT-Transformer, a foundation model on 57.1M structured EHR entry over 1.7M patients from Mass General Brigham (MGB)。
次世代の予測では、AUCは896の疾患カテゴリーで0.871であり、AUC 0.5を超えている。
論文 参考訳（メタデータ） (2026-05-14T00:45:04Z) - Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。
本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。
675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
論文 参考訳（メタデータ） (2026-04-29T17:59:28Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - Emulating Clinician Cognition via Self-Evolving Deep Clinical Research [104.66211772795747]
このギャップを橋渡しする自己進化型診断剤DxEvolveを,インタラクティブな深層臨床研究ワークフローを通じて開発しました。
MIMIC-CDMベンチマークでは、DxEvolveは平均オーバーボーンモデルで診断精度を11.2%改善した。
DxEvolveは、経験を管理可能な学習資産に変えることによって、臨床AIの継続的な進化のための説明可能な経路をサポートする。
論文 参考訳（メタデータ） (2026-03-11T11:41:51Z) - PathoScribe: Transforming Pathology Data into a Living Library with a Unified LLM-Driven Framework for Semantic Retrieval and Clinical Integration [2.867720204474286]
PathoScribeは静的な病理資料を検索可能なライビングライブラリに変換するために設計されたフレームワークである。
PathoScribeは、自然言語のケース検索に完璧なRecall@10を達成し、高品質な検索地上推論を実証した。
この研究は、パッシブストレージシステムからデジタル病理資料をアクティブな臨床知能プラットフォームに変換するためのスケーラブルな基盤を確立する。
論文 参考訳（メタデータ） (2026-03-09T21:09:24Z) - A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。
腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
論文 参考訳（メタデータ） (2025-08-22T17:48:19Z) - Toward the Autonomous AI Doctor: Quantitative Benchmarking of an Autonomous Agentic AI Versus Board-Certified Clinicians in a Real World Setting [0.0]
2030年までには、世界中で1100万人の医療従事者が不足していると予測されている。
エンド・ツー・エンドの大規模言語モデル(LLM)ベースのAIシステムは、実際の臨床実践において厳格に評価されていない。
論文 参考訳（メタデータ） (2025-06-27T19:04:44Z) - 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) - A Multi-Site Study on AI-Driven Pathology Detection and Osteoarthritis Grading from Knee X-Ray [0.0]
変形性関節症や変形性膝関節症のような骨の健康障害は、世界的な健康問題を引き起こす。
本研究では, 膝X線を解析し, 重要な病態を検出するAIシステムを提案する。
また、変形性関節症の重症度も評価し、タイムリーにパーソナライズされた治療を可能にしている。
論文 参考訳（メタデータ） (2025-03-28T06:41:22Z) - AI-Driven MRI Spine Pathology Detection: A Comprehensive Deep Learning Approach for Automated Diagnosis in Diverse Clinical Settings [0.0]
本研究では,MRI脊椎病理診断のための自律型AIシステムの開発について述べる。
データセットは年齢層、性別、スキャナーメーカー間でバランスを取り、堅牢性と適応性を保証する。
このシステムは、インドの主要医療機関13社に展開され、診断センター、大病院、政府施設を含む。
論文 参考訳（メタデータ） (2025-03-26T08:33:03Z)
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。