論文の概要: Evidence-Grounded AI for Musculoskeletal Care

• arxiv url: http://arxiv.org/abs/2607.12527v3
• Date: Tue, 21 Jul 2026 09:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 14:48:36.078222
• Title: Evidence-Grounded AI for Musculoskeletal Care
• Title（参考訳）: Evidence-Grounded AI for Musculoskeletal Care
• Authors: Wenjie Li, Yujie Zhang, Fanrui Zhang, Haoran Sun, Renhao Yang, Junjun He, Weiran Huang, Yuanfeng Ji, Chenrun Wang, Kailing Wang, Hongcheng Gao, Kaipeng Zhang, Hanyu Wang, Angela Lin Wang, Xingqi He, Yilin Huang, Shiyi Yao, Lilong Wang, Yankai Jiang, Yirong Chen, Chenglong Ma, Jiyao Liu, Ming Hu, Gen Li, Yidong Xu, Chengyu Zhuang, Jiawei Liu, Yin Zhang, Lequan Yu, Lu Chen, Yinpeng Dong, Lei Liu, Carlos Gutierrez Sanroman, Yu Qiao, Weijie Ma, Xiaosong Wang, Lei Wang,
• Abstract要約: OrthoPilotは、大規模言語モデル(LLM)を利用した臨床人工知能システムである。 病院のデータストリームと、継続的な筋骨格ケアのための権威的な外部知識を統合する。 81人の整形外科医に対するフルパスウェイ・リーダーによる研究で、OrthoPilotは25年の経験を持つ専門家よりも優れていた。
• 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 and drive the greatest global need for rehabilitation. Because recovery, remodelling and degeneration of bones, joints and related tissues unfold over months to years, care requires longitudinal management rather than isolated decisions. Clinicians must repeatedly integrate evolving patient evidence, medical knowledge and stage-specific functional goals, yet evidence is often fragmented across visits, departments and hospital systems, disrupting continuous, individualised management. Here we report OrthoPilot, a clinical artificial intelligence (AI) system powered by a large language model (LLM) that integrates hospital data streams with authoritative external knowledge for continuous musculoskeletal care. It autonomously retrieves real-time imaging, laboratory, pathology and order data and translates evolving patient states into evidence-based decisions from admission diagnosis through rehabilitation planning. We established a specialist-validated benchmark from real-world electronic health records (EHRs) spanning 1,000 disease codes. In a full-pathway reader study against 81 orthopaedic physicians, OrthoPilot outperformed experts with 25 years of experience in diagnostic reasoning, clinical decision-making and management planning. This advantage generalised across 60 external clinical centres, where OrthoPilot surpassed all evaluated intelligent systems. In a prospective physician decision-making study of 1,870 complex cases, OrthoPilot improved full-chain management success by 10.6%. In a randomised deployment involving 8,240 inpatients, integration into routine care 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喚起している。 骨、関節および関連組織の回復、再生、変性は、数ヶ月から数年にわたって展開するため、ケアは孤立した決定ではなく、縦断的な管理を必要とする。 臨床医は、進化する患者の証拠、医療知識、ステージ固有の機能目標を継続的に統合する必要があるが、しばしば訪問、部署、病院システムの間で証拠が断片化され、継続的に個別化された管理を妨害する。 本稿では,大言語モデル(LLM)を用いた臨床人工知能(AI)システムであるOrthoPilotについて報告する。 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から、入院診断からリハビリテーション計画まで、証拠に基づく決定へと変換する。 実世界の電子健康記録(EHR)から,1000の疾患コードにまたがる専門家検証ベンチマークを作成した。 81名の整形外科医師に対するフルパスウェイ・リーダー研究において、OrthoPilotは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より優れていた。 この利点は、OrthoPilotが評価された知的システムを全て上回る60の外部臨床センターで一般化された。 複雑な1,870件の医師による意思決定調査で、OrthoPilotはフルチェーン管理の成功を10.6%改善した。 8,240人の入院患者を対象とする無作為展開では、定期的なケアへの統合により、ベッド当たりの累積患者数は9.7%増加し、患者の健康情報へのアクセスが向上した。 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

• 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)
• 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)
• 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-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。