論文の概要: A Multi-Agent System for Autonomous, Fine-Tuning-Free Clinical Symptom Detection: Development and Validation Study

• arxiv url: http://arxiv.org/abs/2607.12886v1
• Date: Tue, 14 Jul 2026 15:32:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.194592
• Title: A Multi-Agent System for Autonomous, Fine-Tuning-Free Clinical Symptom Detection: Development and Validation Study
• Title（参考訳）: 自律的・微調整不要な臨床症状検出のためのマルチエージェントシステム:開発・検証研究
• Abstract要約: Pythiaは、手動のプロンプトエンジニアリングや微調整なしで、臨床概念のための抽出プロンプトを書き、最適化する。 症例は387例で,Pythiaを72の徴候と400の臨床症状で治療したレキシコンと比較した。 レキシコンが全ての音符を正にラベル付けした14の概念に対して、ピシアは、現在、患者が注目する発見を必要とすることで、0.97の平均的な特異性を回復した。
• 参考スコア（独自算出の注目度）: 3.0950658457067433
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Clinical notes contain many of the signs and symptoms that bring patients to care, yet this information rarely reaches structured fields. Existing extraction approaches either rely on context-insensitive rules that generate false positives or on supervised models that require substantial fine-tuning. We present Pythia, a multi-agent system that autonomously writes and optimizes extraction prompts for clinical concepts without manual prompt engineering or fine-tuning. Running on a locally hosted open-weights model, Pythia keeps clinical notes on local infrastructure and selects prompts using development-set sensitivity and specificity. We compared Pythia with a curated lexicon across 72 signs and symptoms from 400 clinical notes representing 387 patients. Development (n=300) and validation (n=100) sets were partitioned independently for each concept. Pythia achieved mean sensitivity of 0.76 and specificity of 0.95, compared with 0.82 and 0.76 for the lexicon, and matched or exceeded the lexicon on both metrics for 20 of 62 directly comparable concepts. For 14 concepts where the lexicon labeled every note positive, Pythia recovered mean specificity of 0.97 by requiring a present-tense, patient-attributed finding rather than any textual mention of a term. Specificity transferred from development to validation with minimal degradation across prevalences, whereas sensitivity transfer weakened below 5% prevalence, reaching a mean gap of 0.25 below 2% prevalence. A BERT classifier fine-tuned per concept on the same development set achieved mean sensitivity of 0.23 and collapsed to zero sensitivity for concepts below roughly 5% prevalence. These findings suggest that autonomous, fine-tuning-free prompt optimization can produce symptom extraction prompts that generalize effectively from development to validation while remaining deployable on local infrastructure.
• Abstract（参考訳）: 臨床ノートには、患者にケアを与える多くの徴候と症状が含まれているが、この情報は、ほとんど構造化された領域に届かない。 既存の抽出アプローチは、偽陽性を生成する文脈非感受性ルールや、かなり微調整を必要とする教師付きモデルに依存する。 Pythiaは、手動のプロンプトや微調整なしに、臨床概念の抽出プロンプトを自律的に書き、最適化するマルチエージェントシステムである。 ローカルにホストされたオープンウェイトモデルで実行されるPythiaは、ローカルインフラストラクチャに関する臨床メモを保持し、開発セットの感度と特異性を使用してプロンプトを選択する。 症例は387例で,Pythiaを72の徴候と400の臨床症状で治療したレキシコンと比較した。 開発(n=300)と検証(n=100)は各概念ごとに独立に分割された。 Pythia は平均感度 0.76 と特異度 0.95 をレキシコンの 0.82 と 0.76 と比較し、62 に匹敵する概念の 20 で両指標のレキシコンと一致するか上回った。 語彙がすべての音符を肯定的にラベル付けした14の概念に対して、ピシアは、言葉のテキスト的な言及よりも、現在意味のある、患者が注目する発見を必要とすることによって、平均的な特異度0.97を回復した。 一方、感度伝達は5%の有病率以下で低下し、平均的な差は2%の有病率以下で0.25に達した。 BERT分類器は、同じ開発セットのコンセプトごとに微調整され、平均感度は0.23で、約5%の精度で概念の感度がゼロになった。 これらの結果から, 自律的, 微調整不要なプロンプト最適化は, 局所的なインフラに展開しながら, 開発からバリデーションまで効果的に一般化する症状抽出プロンプトを生じさせる可能性が示唆された。

関連論文リスト

• Automated Detection of Dosing Errors in Clinical Trial Narratives: A Multi-Modal Feature Engineering Approach with LightGBM [1.0152838128195467]
  本研究では,非構造的臨床試験におけるドスリングエラーの自動検出システムを提案する。 提案手法は,従来のNLP(TF-IDF,キャラクタn-gram),密接なセマンティック埋め込み,ドメイン固有の医療パターン,トランスフォーマーベースのスコアにまたがる3,451の特徴を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-03-25T14:56:34Z)
• 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)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• The Value Sensitivity Gap: How Clinical Large Language Models Respond to Patient Preference Statements in Shared Decision-Making [0.6768558752130311]
  大規模言語モデル (LLM) は意思決定支援ツールとして臨床に導入されているが, 患者価値の明示的な記述に対する対応方法はまだ検討されていない。 我々は,98,759人の未確認メディケイド遭遇ノートから得られた臨床ヴィニグレットを用いて因子分析を行った。 全てのモデルでは、非コントロール試験の100%で患者の値を認めたが、実際の推奨シフトは控えめであった。
  論文  参考訳（メタデータ） (2026-02-12T21:42:21Z)
• One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
  EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
  論文  参考訳（メタデータ） (2025-12-30T15:07:09Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• A Locally Executable AI System for Improving Preoperative Patient Communication: A Multi-Domain Clinical Evaluation [1.9205944025326396]
  LENOHAは、入力を高精度な文変換器の制約でルーティングする安全第一のローカルファーストシステムである。 臨床問合せのために、クリニカルカレーションされたFAQから口頭で回答を返す。 エネルギー検定の結果,1回の入力で1.0 mWh,小語で168 mWhの応答で1回の応答で1.0 mWhを消費することがわかった。
  論文  参考訳（メタデータ） (2025-10-02T04:53:11Z)
• Evaluating Large Language Models for Evidence-Based Clinical Question Answering [4.101088122511548]
  大規模言語モデル (LLMs) は, 医学的, 臨床的応用において著しく進歩している。 Cochraneの体系的レビューと臨床ガイドラインから得られたベンチマークをキュレートする。 我々はソースと臨床領域間で一貫したパフォーマンスパターンを観察する。
  論文  参考訳（メタデータ） (2025-09-13T15:03:34Z)
• Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
  MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。 パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2025-05-23T14:40:09Z)
• Evaluating Spoken Language as a Biomarker for Automated Screening of Cognitive Impairment [37.40606157690235]
  言語と言語の変化は、アルツハイマー病と関連する認知症を早期に予測できる。 音声言語からのADRDスクリーニングと重度予測のための機械学習手法の評価を行った。 リスク階層化と言語的特徴重要度分析は、予測の解釈可能性と臨床的有用性を高めた。
  論文  参考訳（メタデータ） (2025-01-30T20:17:17Z)
• SemioLLM: Evaluating Large Language Models for Diagnostic Reasoning from Unstructured Clinical Narratives in Epilepsy [45.2233252981348]
  臨床知識を符号化するための言語モデル(LLM)が示されている。 6つの最先端モデルをベンチマークする評価フレームワークであるSemioLLMを提案する。 ほとんどのLSMは、脳内の発作発生領域の確率的予測を正確かつ確実に生成できることを示す。
  論文  参考訳（メタデータ） (2024-07-03T11:02:12Z)

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。