論文の概要: Medical world models in healthcare: foundations, applications, and challenges for trustworthy clinical translation
- arxiv url: http://arxiv.org/abs/2607.25242v2
- Date: Mon, 03 Aug 2026 23:54:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 13:15:27.386051
- Title: Medical world models in healthcare: foundations, applications, and challenges for trustworthy clinical translation
- Title（参考訳）: 医療における医療世界モデル : 信頼できる臨床翻訳の基礎、応用、課題
- Abstract要約: 医療の世界モデルは、静的予測を超えて医療人工知能を拡張するためのフレームワークを提供する。
このレビューでは、概念的境界、技術基盤、アプリケーションドメイン、およびフィールドのエビデンス要件を定義します。
- 参考スコア（独自算出の注目度）: 9.298791886645303
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical world models offer a framework for extending medical artificial intelligence beyond static prediction by representing evolving patient states and modelling how they change over time and in response to clinical interventions. This Review defines the conceptual boundaries, technical foundations, application domains, and evidence requirements of the field through a structured narrative synthesis with reproducible evidence mapping. We screened 1,455 unique records and assembled a corpus of 98 sources, including 14 studies that met a strict empirical definition of a medical world model. The field is organised around four capabilities: patient state representation, temporal dynamics modelling, intervention-conditioned simulation, and clinician-supervised planning. Evidence spans medical imaging, longitudinal electronic health records, treatment response modelling, physiological and multimodal state modelling, ultrasound and surgical interaction, and population and health-system simulation; clinical digital twins are treated as a cross-cutting integration framework. Current studies provide early evidence of technical feasibility for trajectory forecasting and comparison of candidate interventions, but most remain retrospective, task-specific, or preclinical. The evidence base is further limited by incomplete longitudinal intervention data, inconsistent action semantics, limited causal identifiability, long-horizon error accumulation, inadequate uncertainty estimation, and limited external validation. Clinical translation will therefore depend on precise intervention representations, robust causal and mechanistic grounding, calibrated trajectory-level uncertainty, safety-constrained planning, and prospective multicentre validation against clinically meaningful endpoints.
- Abstract（参考訳）: 医療の世界モデルは、進化する患者の状態を表現し、臨床介入に応じて、どのように変化するかをモデル化することによって、静的な予測を超えて医療人工知能を拡張するためのフレームワークを提供する。
このレビューでは、再現可能なエビデンスマッピングによる構造化された物語合成を通じて、概念的境界、技術基盤、アプリケーションドメイン、およびフィールドのエビデンス要件を定義します。
我々は1,455のユニークな記録をスクリーニングし、医療世界モデルの厳密な経験的定義を満たす14の研究を含む98の情報源のコーパスを収集した。
フィールドは、患者の状態表現、時間的ダイナミクスモデリング、介入条件シミュレーション、臨床医監督計画の4つの機能を中心に構成されている。
医療画像、縦断的な電子健康記録、治療反応モデリング、生理的およびマルチモーダルな状態モデリング、超音波と外科的相互作用、人口と医療システムシミュレーション、臨床デジタル双生児は横断的な統合フレームワークとして扱われる。
最近の研究は、軌道予測と候補介入の比較のための技術的実現可能性の初期の証拠を提供しているが、ほとんどは振り返り、タスク特化、あるいは前臨床的なままである。
このエビデンスベースは、不完全な縦断的介入データ、一貫性のないアクションセマンティクス、限られた因果識別可能性、長い水平誤差の蓄積、不適切な不確実性推定、限られた外部検証によってさらに制限されている。
したがって、臨床翻訳は、正確な介入表現、堅牢な因果的および機械的接地、調整された軌道レベルの不確実性、安全に制約された計画、および臨床的に有意なエンドポイントに対する有望な多中心性検証に依存する。
関連論文リスト
- Concept-Grounded Reasoning with Prompt-Driven Localization for Interpretable Structured Report Generation [66.62662330558906]
CORALは、空間的接地と概念レベルの監督を統一的な推論プロセスに統合するマルチモーダルフレームワークである。
コーラルは、疾患の局所化とコンセプション・ボトルネックモジュールによる多クラス臨床属性の予測のために、プロンプト駆動型医療セグメンテーションモデルを採用している。
BUS-CoTとIU X線データセットの実験では、診断精度、概念整合性、報告品質が強力な汎用および医療MLLMよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-09-14T10:21:23Z) - NOAH: Learning the Full Patient Journey. A Longitudinal Multimodal Time-Aware Model for Representation and Forecasting [15.183085955033148]
患者の全旅行を表現・予測する,時間的,タスクに依存しない,生成的トランスフォーマーモデルであるNOAHを紹介する。
NOAHは、医療画像、時系列および数値信号、分類的事象、および構造化され、構造化されていない臨床記録を処理する。
臨床結果の探索において高いパフォーマンスを示す、高情報かつ予測可能な患者の状態表現を生成する。
論文 参考訳（メタデータ） (2026-09-08T17:56:13Z) - Medical world models: representing medical states, modelling clinical dynamics and guiding intervention policies [27.623290398566244]
診断と治療は、患者の状態が時間とともに進化する動的なプロセスである。
現在の医療AIは病気を検出し、リスクを見積もり、報告を生成することができるが、多くのシステムは依然として静的ラベルやスコアを返す。
本総説では,医学界モデルに向けての診断と予測から医療AIを進化させるロードマップを概説する。
論文 参考訳（メタデータ） (2026-06-15T13:49:43Z) - From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。
3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。
本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-05-16T10:45:26Z) - Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
パーキンソン病は世界中で1千万人以上に影響している。
個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。
我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
論文 参考訳（メタデータ） (2026-03-31T02:36:10Z) - Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。
消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。
本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T07:47:37Z) - The Taxonomies, Training, and Applications of Event Stream Modelling for Electronic Health Records [6.63303513347406]
EHRは、医療における人工知能の変革的ポテンシャルを提供する。
従来のモデリングアプローチは、実世界の臨床データの本質的にの空間性と不規則性に対応するのに苦労することが多い。
研究は、患者の記録を連続的なシーケンスとして扱うイベントストリーム表現に移行した。
論文 参考訳（メタデータ） (2026-03-14T16:08:30Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - CLARITY: Medical World Model for Guiding Treatment Decisions by Modeling Context-Aware Disease Trajectories in Latent Space [49.74032713886216]
CLARITYは、構造化潜在空間内で直接疾患の進化を予測する医療世界モデルである。
時間間隔(時間的文脈)と患者固有のデータ(臨床的文脈)を明確に統合し、スムーズで解釈可能な軌跡として治療条件の進行をモデル化する。
論文 参考訳（メタデータ） (2025-12-08T20:42:10Z) - Beyond Generative AI: World Models for Clinical Prediction, Counterfactuals, and Planning [2.800335887892072]
世界モデルは、多段階のロールアウト、カウンターファクト評価、計画を可能にするために予測力学を学ぶ。
レビューされたシステムのほとんどはL1-L2を実現しており、L3とレアなL4計画/制御のインスタンスは少ない。
本総説では, 臨床的に堅牢な予測ファースト世界モデルの研究課題について概説する。
論文 参考訳（メタデータ） (2025-11-20T13:11:45Z) - A Semantic Framework for Patient Digital Twins in Chronic Care [0.0]
患者医療デジタルツイン(PMDT)は、生理的、精神社会的、行動的、ゲノム的な情報をコヒーレントなモデルに統合する。
PMDTはセマンティック・インターオペラビリティを確保し、自動推論をサポートし、さまざまな臨床コンテキストでの再利用を可能にする。
データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代デジタルヘルスエコシステムの検証された基盤を提供する。
論文 参考訳（メタデータ） (2025-10-10T08:34:55Z) - Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。
本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
論文 参考訳（メタデータ） (2025-04-20T01:54:18Z) - Modelling Patient Trajectories Using Multimodal Information [0.0]
本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。
本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
論文 参考訳（メタデータ） (2022-09-09T10:20:54Z)
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。