論文の概要: CyberNeuro: A Privacy-Preserving Agentic Workbench for Cohort-Scale Neuroimage and Clinical Data Analysis
- arxiv url: http://arxiv.org/abs/2607.28841v1
- Date: Thu, 30 Jul 2026 21:10:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.488234
- Title: CyberNeuro: A Privacy-Preserving Agentic Workbench for Cohort-Scale Neuroimage and Clinical Data Analysis
- Title（参考訳）: CyberNeuro:コホートスケール神経画像と臨床データ分析のためのプライバシ保護エージェントワークベンチ
- Abstract要約: CyberNeuroは、自動化されたニューロイメージングと健康データ分析のためのローカルLLMモデル(WandaMind)を備えたエージェントワークベンチである。
パブリックなNeuroBenchスイートでは、CyberNeuroはベースラインモデルの40%から69%にドメインの保持精度を向上する。
- 参考スコア（独自算出の注目度）: 14.301679289938669
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite tremendous success in neuroimaging methodology, making large-scale, high-dimensional datasets ready for AI/ML applications remains a critical operational bottleneck. Conventional workflows require extensive manual effort across metadata curation, pipeline execution, post-processing quality control, and data management, a burden that disproportionately excludes laboratories with limited manpower and computational infrastructure. To address this real-world barrier, there is an urgent need for scalable, cost-effective computational platforms that democratize advanced neuroimaging analytics and accelerate discoveries in mental health and clinical translation. Capitalizing on multi-agent LLM breakthroughs, we introduce CyberNeuro, an agentic workbench with a tailored local LLM-model ('WandaMind') for automated neuroimaging and health-data analysis. Driven by four dedicated agents (Planner, Validator, Dispatcher, and Reporter) communicating via a secure MCP bridge and a pinned execution layer, CyberNeuro enables researchers to execute complex workflows using natural language while maintaining clinical-grade data privacy. On the public NeuroBench suite, CyberNeuro increases held-out domain accuracy from 40% to 69% over the baseline model. Beyond automated metrics, the platform integrates a human-in-the-loop verification panel to ensure rigorous biomedical quality control. Across the same end-to-end 10-batch cohort workflow suite, the local WandaMind configuration completed all tasks with an estimated aggregate token count of about 10.6% using WandaMind and 61.7% using cloud providers of token usage, compared to Neuroclaw, respectively. The platform and its production-ready modules are available at https://wanda-cyberbench.com.
- Abstract（参考訳）: ニューロイメージング手法で非常に成功したにもかかわらず、AI/MLアプリケーションに大規模な高次元データセットを準備することは、依然として重要な運用ボトルネックである。
従来のワークフローでは、メタデータのキュレーション、パイプラインの実行、後処理の品質管理、データ管理といった、限られた人力と計算インフラを持つ研究所を不均等に排除する作業が、手作業で行なわなければならない。
この現実世界の障壁に対処するためには、高度なニューロイメージング分析を民主化し、メンタルヘルスと臨床翻訳における発見を加速するスケーラブルで費用効率のよい計算プラットフォームが緊急に必要である。
マルチエージェントLDMのブレークスルーに乗じて,脳神経画像自動解析と健康データ解析のためのローカルLSMモデル(WandaMind)をカスタマイズしたエージェントワークベンチであるCyberNeuroを紹介する。
Planner、Validator、Dispatcher、Reporterの4つの専用エージェントがセキュアなMPPブリッジとピン留めされた実行層を介して通信することで、CyberNeuroは、臨床レベルのデータプライバシを維持しながら自然言語を使用して複雑なワークフローの実行を可能にする。
パブリックなNeuroBenchスイートでは、CyberNeuroはベースラインモデルの40%から69%にドメインの保持精度を向上する。
自動メトリクス以外にも、このプラットフォームは人間のループ検証パネルを統合して、厳格なバイオメディカルな品質管理を確実にする。
同じエンドツーエンドの10バッチコホートワークフロースイートの中で、ローカルなWandaMind構成では、Neuroclawと比較して、WandaMindと61.7%のクラウドプロバイダを使用して、合計トークン数を約10.6%で、すべてのタスクを完了した。
プラットフォームとその実運用対応モジュールはhttps://wanda-cyberbench.comで公開されている。
関連論文リスト
- NeuroPilot: An Agent-Driven Smart Pipeline for Processing, Quality Control, and Managing Neuroimages [12.23473002532912]
NeuroPilotは、神経画像処理、QC、データ管理の専門知識を3つのLCMイボケータブルスキルにデジタル化するマルチエージェントシステムである。
NeuroPilotは乳児から老齢児まで17のコホートに展開し,MRIを多用した。
乳児処理パイプラインはQC価入力で100%(201/201)完了率を達成した。
論文 参考訳（メタデータ） (2026-07-30T19:36:53Z) - Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model [57.78184285979881]
敗血症治療推奨のための世界モデル拡張LDMエージェントであるSepsisAgentを紹介する。
SepsisAgentは、学習された臨床世界モデルを使用して、候補の流体圧薬の介入下での患者の反応をシミュレートする。
論文 参考訳（メタデータ） (2026-05-14T11:50:00Z) - Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-10T06:30:19Z) - NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research [4.995664191055236]
NeuroAgentは、ニューロイメージングデータのキー前処理と分析ステップを自動化するエージェントフレームワークである。
自然言語クエリによるインタラクティブなダウンストリーム分析をサポートする。
これにより、前処理に必要な手作業の削減と、エンドツーエンドの自動分析パイプラインの実現が可能になる。
論文 参考訳（メタデータ） (2026-05-07T17:13:48Z) - NeuroClaw Technical Report [54.14941057366186]
NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。
NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。
3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
論文 参考訳（メタデータ） (2026-04-27T16:57:14Z) - 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) - A Federated and Parameter-Efficient Framework for Large Language Model Training in Medicine [59.78991974851707]
大規模言語モデル(LLM)は、質問応答や診断など、医療ベンチマークにおいて強力なパフォーマンスを示している。
ほとんどの医療用LDMは、異種システムの一般化性と安全性の制限に直面している単一の機関のデータに基づいて訓練されている。
本稿では, LLMを医療応用に適用するためのモデルに依存しない, パラメータ効率のよいフェデレーション学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T18:48:21Z) - NeuroVascU-Net: A Unified Multi-Scale and Cross-Domain Adaptive Feature Fusion U-Net for Precise 3D Segmentation of Brain Vessels in Contrast-Enhanced T1 MRI [2.3418151985141926]
我々は、T1CE MRIスキャンから直接脳血管構造を抽出するために設計された最初のディープラーニングアーキテクチャであるNeuroVascU-Netを提案する。
NeuroVascU-NetはDiceスコア0.8609、精度0.8841を達成し、主要な血管構造と微細血管構造の両方を正確に分類した。
論文 参考訳（メタデータ） (2025-11-23T12:23:20Z) - A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms [0.03262230127283451]
医療AIに特化したモデル駆動工学(MDE)フレームワークを導入する。
フレームワークは、フォーマルなメタモデル、ドメイン固有言語、そして、ハイレベルな仕様から実行中のソフトウェアに移行するための自動変換に依存しています。
マルチセンター癌免疫療法研究において,本手法について検討した。
論文 参考訳（メタデータ） (2025-10-10T12:00:12Z) - DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。
本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。
DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
論文 参考訳（メタデータ） (2025-05-20T05:18:15Z) - Improving Clinical Decision Support through Interpretable Machine Learning and Error Handling in Electronic Health Records [6.594072648536156]
Trust-MAPSは、臨床領域の知識を高次元の混合整数プログラミングモデルに変換する。
信頼スコアは、臨床決定支援タスクの予測性能を高めるだけでなく、MLモデルに解釈可能性を与える臨床的に有意義な特徴として出現する。
論文 参考訳（メタデータ） (2023-08-21T15:14:49Z) - Unsupervised pre-training of graph transformers on patient population
graphs [48.02011627390706]
異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。
自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
論文 参考訳（メタデータ） (2022-07-21T16:59:09Z)
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。