論文の概要: A Self-Evolving Agent for Longitudinal Personal Health Management
- arxiv url: http://arxiv.org/abs/2607.13940v1
- Date: Wed, 15 Jul 2026 15:22:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.822607
- Title: A Self-Evolving Agent for Longitudinal Personal Health Management
- Title（参考訳）: 縦断的健康管理のためのセルフ進化エージェント
- Abstract要約: HealthClawは、人のルーチン、好み、測定、リスク変更としてサポートを更新するエージェントアーキテクチャである。
共有安全ルールと医療知識を個人記憶から分離する。
今回我々はHealthClawを,合成年数ベンチマークと9つの200ケースバイオメディカルタスクで評価した。
- 参考スコア（独自算出の注目度）: 34.10411211871112
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personal health management unfolds over repeated encounters, yet most health AI systems treat each request in isolation. We developed HealthClaw, an open-source agent architecture that updates support as a person's routines, preferences, measurements and risks change. It separates shared safety rules and medical knowledge from private longitudinal memory containing profile facts, reusable procedures and episodic traces. After each episode, induction determines what should update the profile, revise a procedure, remain episodic or be excluded. We evaluated HealthClaw with a synthetic year-long benchmark and nine 200-case biomedical tasks. Across 900 longitudinal support probes, answer accuracy increased from 0.2% with current-query prompting to 45.7% with HealthClaw, while prompt-side context exposure was 71.7% lower than with full-history prompting. In 100 privacy probes, HealthClaw produced higher privacy-aware answer quality and fewer unsafe disclosures than both baselines. Across the biomedical tasks, the mean absolute gain in the task-specific primary metric was 27.0 percentage points, and seven gains remained significant after false-discovery-rate correction. These offline benchmarks support governed, self-evolving memory for longitudinal personal health agents, although clinical effectiveness requires prospective evaluation. HealthClaw is publicly available at https://github.com/HC-Guo/HealthClaw.
- Abstract（参考訳）: 個人の健康管理は、何度も遭遇するたびに展開するが、ほとんどの健康AIシステムは、それぞれの要求を個別に扱う。
オープンソースのエージェントアーキテクチャであるHealthClawを開発した。
共有された安全ルールと医療知識を、プロファイル事実、再利用可能な手順、エピソードトレースを含むプライベートな経時記憶から分離する。
各エピソードの後に、インジェクションはプロファイルの更新、手順の改訂、エピソードの継続、除外を決定する。
今回我々はHealthClawを,合成年数ベンチマークと9つの200ケースバイオメディカルタスクで評価した。
900以上の縦軸支持プローブでは、解答精度が0.2%から増加し、現在のクエリはHealthClawで45.7%に、プロンプトサイドのコンテキスト露光はフルヒストリーのプロンプトよりも71.7%低かった。
プライバシー調査100件でHealthClawは、プライバシーを意識した回答の品質を高め、両方のベースラインよりも安全でない開示を減らした。
バイオメディカル・タスク全体では、タスク固有の一次指標の平均絶対利得は27.0ポイントであり、偽発見率修正後の7利得は有意であった。
これらのオフラインベンチマークは、臨床効果は予測的評価を必要とするが、縦型パーソナルヘルスエージェントの自己進化記憶をサポートする。
HealthClawはhttps://github.com/HC-Guo/HealthClawで公開されている。
関連論文リスト
- Vulnerabilities in Personalization: Assessing Health Privacy Risks in ChatGPT Logs and Memory [1.315564533300561]
インド、ナイジェリア、ブラジル、パキスタンで179,057件の会話を分析した。
監査された会話の21.31%が個人の健康データを含んでおり、3.62%が極度のプライバシーリスクを訴えている。
我々は、ステートフルAIシステムにおけるユーザエージェンシーと同意駆動境界を回復するための社会技術設計ガイドラインで締めくくった。
論文 参考訳（メタデータ） (2026-09-13T17:53:45Z) - Evidence-Grounded AI for Musculoskeletal Care [106.59121478639402]
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。
論文 参考訳（メタデータ） (2026-07-14T09:03:26Z) - Better with Experience: Self-Evolving LLM Agents for Evidence-Grounded Health Community Notes [108.40112710699425]
LLM(Large Language Model)拡張コミュニティノートは、ソーシャルプラットフォーム上での健康上の誤った情報の、タイムリーで根拠に基づく修正のためのスケーラブルなパスを提供する。
エボノート(EvoNote)は、医療コミュニティノート生成において、過去の誤報訂正エピソードの記憶の進化を通じて自己進化を可能にするエージェントフレームワークである。
論文 参考訳（メタデータ） (2026-06-01T13:16:22Z) - 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) - MedPriv-Bench: Benchmarking the Privacy-Utility Trade-off of Large Language Models in Medical Open-End Question Answering [15.468900582717865]
オープンエンド質問応答におけるプライバシ臨床的有用性を評価するために設計された最初のベンチマークであるMed-Benchを紹介する。
われわれのフレームワークは、マルチエージェントのヒューマン・イン・ザ・ループパイプラインを使用して、繊細な医療状況と、リアルなプライバシー圧力を生み出す臨床的に関連するクエリを合成する。
本研究は,プライバシに敏感な環境下での医療AIシステムの安全性と有効性を評価するための,ドメイン固有のベンチマークの必要性を明らかにするものである。
論文 参考訳（メタデータ） (2026-03-15T07:47:35Z) - LiveClin: A Live Clinical Benchmark without Leakage [50.45415584327275]
LiveClinは、実際の臨床実践を近似するために設計されたライブベンチマークである。
本研究は,患者を臨床経過全体にわたる複雑なマルチモーダルな評価シナリオに転換する。
LiveClin上で26のモデルを評価すると、これらの実世界のシナリオの難しさが明らかとなり、最高性能のモデルではケース精度が35.7%に達した。
論文 参考訳（メタデータ） (2026-02-18T03:59:46Z) - Hierarchical Dual-Strategy Unlearning for Biomedical and Healthcare Intelligence Using Imperfect and Privacy-Sensitive Medical Data [15.916549580598462]
大きな言語モデル(LLM)は例外的な性能を示すが、かなりのプライバシーリスクを引き起こす。
選択的知識学習のための階層的二重ストラテジーフレームワークを提案する。
当社のフレームワークは、パラメータの0.1%しか変更することなく、堅牢なプライバシ保証を維持しています。
論文 参考訳（メタデータ） (2025-11-23T15:28:19Z) - Evaluating Privacy Measures in Healthcare Apps Predominantly Used by Older Adults [2.7039386580759666]
急速な成長は 健康情報のプライバシーに関する懸念も高めています
規制コンプライアンスやデータ処理プラクティス,プライバシ重視のユーザビリティなど,さまざまな面で28のヘルスケアアプリを評価しました。
私たちの分析では、プライバシー基準に従っている場合、HIPAAに明示的に準拠しているアプリは25%に過ぎず、わずか18%に過ぎなかった。
驚いたことに、これらのアプリケーションの79%は違反プロトコルを欠いているため、データ漏洩が発生した場合に高齢者を危険にさらしている。
論文 参考訳（メタデータ） (2024-10-18T17:01:14Z) - MedAlign: A Clinician-Generated Dataset for Instruction Following with
Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。
医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。
我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文 参考訳（メタデータ） (2023-08-27T12:24:39Z) - Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging [47.99192239793597]
我々は,AIモデルのプライバシ保護トレーニングが,非プライベートトレーニングと比較して精度と公平性に与える影響を評価した。
我々の研究は、実際の臨床データセットの困難な現実的な状況下では、診断深層学習モデルのプライバシー保護トレーニングは、優れた診断精度と公正さで可能であることを示しています。
論文 参考訳（メタデータ） (2023-02-03T09:49:13Z) - A Review of Anonymization for Healthcare Data [0.30586855806896046]
一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)
論文 参考訳（メタデータ） (2021-04-13T21:44:29Z)
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。