論文の概要: MedDDC-Eval: Diagnosis-Decoupled Evaluation of Multi-Turn Medical Consultation Agents

• arxiv url: http://arxiv.org/abs/2607.18999v1
• Date: Tue, 21 Jul 2026 11:32:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.414494
• Title: MedDDC-Eval: Diagnosis-Decoupled Evaluation of Multi-Turn Medical Consultation Agents
• Title（参考訳）: MedDDC-Eval:多施設医療相談エージェントの診断と非結合性評価
• Abstract要約: MedDDC-Evalは診断を分離したテストベッドで,検索履歴を比較対象として扱う。 2つのホールドアウト源, 接地インタフェース, 聴取可能な診断・軌跡効率ハーネス, 診断の有用性を測定した。 我々は,MedDDC-Evalが制御属性,説明可能な歴史計測,評価誘導型エビデンス獲得政策開発をサポートすることを示す。
• 参考スコア（独自算出の注目度）: 4.184241883998287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-turn medical consultation agents must decide what to ask, adapt to patient responses, and determine when the collected evidence is sufficient. However, coupled evaluation conflates the quality of the policy-elicited history with policy-specific terminal diagnosis generation: strong generation can compensate for a thin history, while weaker generation can obscure a rich one. We introduce MedDDC-Eval, a diagnosis-decoupled testbed that treats elicited history as the comparison object and holds the history-to-diagnosis mapping constant through a shared frozen reader. Across two held-out sources, a grounded interface and an auditable diagnosis-trajectory-efficiency (D/T/E) harness measure diagnostic usefulness, information acquisition, and efficiency. Directional semantic coverage followed by deterministic one-to-one assignment yields coherent precision-recall counts for open-ended items, with at most one credited match per prediction or reference. Holding histories fixed, changing only the diagnostic reader shifts diagnosis F1 by 2.2-19.0 points and reverses 18% and 36% of pairwise policy orderings on the Record and Dialogue splits. We further apply standard Group Relative Policy Optimization (GRPO) over interactive multi-turn rollouts to post-train Qwen3-32B using diagnosis-result and trajectory feedback. On the 100-case Record and 70-case Dialogue splits, the trained policy improves over its initialization by 9.7 and 4.6 total-score points; removing either primary signal lowers held-out joint performance. These results show that MedDDC-Eval supports controlled attribution, interpretable elicited-history measurement, and evaluation-guided evidence-acquisition policy development.
• Abstract（参考訳）: マルチターン医療相談機関は、何を尋ねるかを決め、患者の反応に適応し、収集された証拠が十分であるかどうかを判断しなければならない。 強い世代は薄い歴史を補うことができ、弱い世代は豊かな歴史を隠蔽することができる。 MedDDC-Evalは病歴を比較対象として扱う診断分離テストベッドであり,共有冷凍読影機を用いて,病歴から診断までのマッピング定数を保持する。 接地インタフェースと聴覚可能な診断軌道効率(D/T/E)の2つのソースで、診断の有用性、情報取得、効率を測定する。 指示的セマンティックカバレッジに続いて、決定論的1対1の割り当てによって、オープンエンドアイテムに対するコヒーレントな精度のリコールカウントが得られ、予測や参照毎に少なくとも1つの認証されたマッチが与えられる。 病歴を固定し、診断読影器のみが診断F1を2.2-19.0ポイント変更し、記録と対話の分割に関するペアのポリシー順序の18%と36%を逆転させる。 さらに,Qwen3-32B後における対話型マルチターンロールアウトに対して,診断応答と軌跡フィードバックを用いてGRPO(Group Relative Policy Optimization)を適用した。 100ケースのレコードと70ケースのダイアログの分割では、トレーニングされたポリシーは初期化を9.7ポイントと4.6ポイントに改善する。 これらの結果から,MedDDC-Evalは,制御属性,解釈可能な歴史計測,評価誘導型エビデンス獲得政策開発をサポートすることが示された。

関連論文リスト

• CDEG: Learning Decision-Critical Evidence for Long-Horizon Diagnostic Agents [21.40725112789917]
  筆者らは,過去の診断軌跡から再利用可能な決定クリティカルな証拠を学習するグラフベースのフレームワークCDEGを紹介する。 我々はCDEGが診断性能を継続的に改善し、バニラ剤よりも11.5%の精度向上を実現していることを示す。
  論文  参考訳（メタデータ） (2026-08-24T07:30:22Z)
• A Source-Grounded Framework for Constructing and Evaluating Progressive Multimodal Diagnostic Dialogues from Clinical Case Reports [19.75152371502983]
  症例報告から進行性多モーダル診断対話を構築するための基盤となるフレームワークを提案する。 内科24症例の報告から,症例報告を基準対話に正確に変換できることが示唆された。 結果、流動性反応は必ずしも根拠に基づく臨床推論を反映しないことが示された。
  論文  参考訳（メタデータ） (2026-08-24T02:04:39Z)
• Beyond the Leaderboard: Design Lessons for Trustworthy Multimodal VQA [4.080704298118247]
  マルチモーダルAIは、信頼性と解釈性を維持しながら、視覚とテキストの証拠を組み合わせる必要がある。 我々は、質問応答と説明品質のために、9つの文書化されたシステムにまたがる設計選択を解析する。 この発見は、データ融合、説明可能性、レジリエントな評価に基づいて、信頼できるマルチモーダルヘルスケアAIをサポートする。
  論文  参考訳（メタデータ） (2026-07-16T17:38:19Z)
• PACT: Learning Diverse Diagnostic Strategies via Privileged Synthesis and Branch Consensus [31.605826007992167]
  我々は,マルチパラダイム対話合成とコンセンサスに基づく分岐学習を併用したフレームワークである textbfPACT (Periodic Anchor Consensus Training) を提案する。 データレベルでは、textbfDPS(Doctor-Patient-Supervisor)は、患者視情報に制限された医師エージェントを維持しながら、品質管理のために完全な電子カルテ(EMR)を使用する。 実験の結果, PACTは診断結果とコンサルテーション・プロセスのメトリクスに基づいて, プロプライエタリ, 医療特化, タスク適応ベースラインを比較した。
  論文  参考訳（メタデータ） (2026-06-08T02:34:12Z)
• Clinically-Grounded Counterfactual Reasoning for Medical Video Diagnosis [47.559337485629904]
  この研究は、臨床診断思考を模倣する対実的推論フレームワークであるMedVCRを導入している。 MedVCRは3つの構成要素から構成されている。 これは、完全に監督された(例えば、大腸内視鏡)と弱監督された(例えば、大腸内視鏡)ビデオ診断設定の両方で評価され、パフォーマンスは2.6%-10.2%向上した。
  論文  参考訳（メタデータ） (2026-05-26T02:46:15Z)
• Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
  大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。 1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。 診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
  論文  参考訳（メタデータ） (2026-04-06T00:23:10Z)
• Optimizing Point-of-Care Ultrasound Video Acquisition for Probabilistic Multi-Task Heart Failure Detection [3.5617951813421818]
  本稿では、RLエージェントが次のビューを選択して取得を終了するパーソナライズされたデータ取得戦略を提案する。 終了時,診断モデルは大動脈狭窄(AS)重症度と左室放出率(LVEF)を同時予測する 本手法は32%の動画を用いて,AS重度分類とLVEF推定における平均平衡精度(bACC)を77.2%達成し,フルスタディ性能と一致した。
  論文  参考訳（メタデータ） (2026-02-14T07:56:21Z)
• LingxiDiagBench: A Multi-Agent Framework for Benchmarking LLMs in Chinese Psychiatric Consultation and Diagnosis [14.82377002030236]
  精神疾患は世界中で広く普及している。 精神科医の不足と面接に基づく診断の固有の主観性は、タイムリーで一貫した精神的健康評価に重大な障壁をもたらす。 大規模マルチエージェントベンチマークであるLingxiDiagBenchを提案する。
  論文  参考訳（メタデータ） (2026-02-10T03:46:05Z)
• MedAD-R1: Eliciting Consistent Reasoning in Interpretible Medical Anomaly Detection via Consistency-Reinforced Policy Optimization [46.65200216642429]
  我々はMedADの最初の大規模マルチモーダル・マルチセンタベンチマークであるMedAD-38Kを紹介し、構造化された視覚質問応答(VQA)ペアとともに、CoT(Chain-of-Thought)アノテーションを特徴付ける。 提案するモデルであるMedAD-R1は、MedAD-38Kベンチマーク上での最先端(SOTA)性能を実現し、強いベースラインを10%以上上回った。
  論文  参考訳（メタデータ） (2026-02-01T07:56:10Z)
• Towards Reliable Medical LLMs: Benchmarking and Enhancing Confidence Estimation of Large Language Models in Medical Consultation [97.36081721024728]
  本稿では,現実的な医療相談におけるマルチターンインタラクションの信頼性を評価するための最初のベンチマークを提案する。 本ベンチマークでは,3種類の医療データを統合し,診断を行う。 本稿では,エビデンスを基盤とした言語自己評価フレームワークであるMedConfを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T04:51:39Z)
• MedEinst: Benchmarking the Einstellung Effect in Medical LLMs through Counterfactual Differential Diagnosis [13.241795322837861]
  MedEinstは,49の疾患に5,383対の臨床症例を比較検討した。 バイアストラップ速度による感受性の測定-正確な診断制御にもかかわらず、誤診断トラップの確率について検討する。
  論文  参考訳（メタデータ） (2026-01-10T17:39:25Z)
• Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
  本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。 本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。 DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-28T17:19:47Z)
• End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
  Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。 Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。 実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-21T17:42:47Z)
• MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
  Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。 本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。 MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
  論文  参考訳（メタデータ） (2025-02-06T12:27:35Z)
• Extracting Diagnosis Pathways from Electronic Health Records Using Deep Reinforcement Learning [2.0191844627740254]
  我々は,電子カルテから正しい診断を得るために,行動の最適なシーケンスを学習することを目指している。 この課題に様々な深層強化学習アルゴリズムを適用し、貧血の鑑別診断のために、合成だが現実的なデータセットを実験する。
  論文  参考訳（メタデータ） (2023-05-10T16:36:54Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。