論文の概要: TumorBoard: Evidence-Grounded Multi-Agent Decision Support for Longitudinal Neuro-Oncology
- arxiv url: http://arxiv.org/abs/2608.03190v1
- Date: Tue, 04 Aug 2026 06:32:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.061368
- Title: TumorBoard: Evidence-Grounded Multi-Agent Decision Support for Longitudinal Neuro-Oncology
- Title（参考訳）: tumorBoard: 縦隔神経腫瘍学におけるマルチエージェント決定支援
- Abstract要約: tumorBoardは、複数エージェントによる意思決定支援システムで、共有された縦型ケースステートを中心に構築されている。
放射線学、神経病理学、分子診断、ガイドライン、治療計画の専門エージェントは、証明された原子的クレームを生成する。
敵対的な批評家は矛盾を露呈し、安全総督は証拠の不十分さと時間的妥当性に応じて勧告を公表し、資格を与え、あるいは拒否する。
- 参考スコア（独自算出の注目度）: 0.7742420215649948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neuro-oncology decisions require coordinated interpretation of serial MRI, pathology, molecular markers, treatment history, performance status, and evolving guidelines. We present TumorBoard, a multi-agent decision-support system built around a shared longitudinal case state and an auditable claim-evidence ledger. Specialist agents for radiology, neuropathology, molecular diagnosis, guidelines, and therapy planning produce atomic claims with provenance. An adversarial critic exposes contradictions, and a safety governor releases, qualifies, or defers recommendations according to evidence sufficiency and temporal validity. On a 360-case hidden benchmark at a matched token budget, TumorBoard achieved an action F1 of 0.772 and evidence entailment of 0.914. It exceeded the strongest typed-council baseline by 3.1 percentage points (95% CI: 1.6 to 4.7, adjusted p = 0.0012), while recommendation-to-evidence coverage reached 0.927. Under evidence deletion, the system deferred 84.2% of unsafe cases and limited harmful recommendations to 5.8%. The safety governor reduced harmful release by 7.8 percentage points at a false-deferral cost of 4.3 percentage points. Ablation studies of the ledger, critic, and governor produced the predicted failure patterns, establishing structured coordination as the source of the measured multi-agent advantage.
- Abstract（参考訳）: 神経腫瘍学の決定には、シリアルMRI、病理、分子マーカー、治療履歴、パフォーマンスステータス、進化的ガイドラインの協調解釈が必要である。
共有ケース状態と聴覚的クレームエビデンス台帳を中心に構築されたマルチエージェント意思決定支援システムであるTormaBoardを提案する。
放射線学、神経病理学、分子診断、ガイドライン、治療計画の専門エージェントは、証明された原子的クレームを生成する。
敵対的な批評家は矛盾を露呈し、安全総督は証拠の不十分さと時間的妥当性に応じて勧告を公表し、資格を与え、あるいは拒否する。
360ケースの隠れベンチマークで、Torboardは0.772のアクションF1と0.914のエビデンスを達成した。
最強のタイプドカウンシルベースラインを3.1ポイント(95%CI:1.6から4.7、調整されたp = 0.0012)、レコメンデーション・ツー・エビデンスのカバレッジは0.927に達した。
証拠の削除により、このシステムは84.2%の安全でないケースと有害なレコメンデーションを5.8%まで延期した。
安全知事は、偽遅延コストの4.3ポイントで有害な放出を7.8ポイント削減した。
台帳、評論家、知事のアブレーション研究は予測された失敗パターンを生み出し、測定されたマルチエージェントの利点の源泉として構造化された調整を確立した。
関連論文リスト
- Safe to Stop? Risk-Constrained Stopping for Sequential Clinical Diagnosis Agents [8.33858460175655]
リスク制約付き停止層であるCrosについて述べる。状態的エラーランキング,不随伴開発分割に関するポリシー設計,選択的診断誤差の LTT スタイルの正確なテストなどである。
その有限サンプル保証は、キャリブレーションラベルにアクセスする前に、候補ファミリー、テストルール、任意のランダム化を凍結する必要がある。
論文 参考訳（メタデータ） (2026-09-09T03:46:53Z) - RibAssist 3D: Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections [0.6768558752130311]
リブ骨折はCT(Computed tomography)で局所化するのに一般的で時間を要する
2つの直交CTからの投射で独立に検出された骨折は、視界をまたいでペアリングし、偽出力の制御速度で信頼できる3Dポイントに三角測量できるかどうかを問う。
本研究は、選択的3次元局所化のための再現可能なフレームワークを確立し、クロスビュー対応を主要な運用ボトルネックとして認識する。
論文 参考訳（メタデータ） (2026-08-07T07:47:20Z) - RareLens: Towards End-to-End Rare Disease Care via Aligning Divergent Large Language Model Reasoning [42.80742579670377]
RareLensは、まれな疾患の軌跡全体にわたる臨床的意思決定を支援するシステムである。
RareBenchは、33のOrphanetカテゴリと7000以上の条件にまたがる157,525件の実際のデータセットである。
検診で0.917、診断と治療で65.5%、89.8%の成績を収めた。
論文 参考訳（メタデータ） (2026-07-25T16:58:10Z) - Trivial Prompt Reframing Bypasses Safety Guardrails in Googleś MedGemma-4B [0.0]
オープンウェイト医療言語モデルは、患者向けおよび臨床支援アプリケーションの基礎として、ますます利用されている。
MedGemma-4B-itの技術的洗練を必要としない攻撃におけるギャップを定量化する。
論文 参考訳（メタデータ） (2026-07-09T18:31:43Z) - A safety-oriented hypothetico-deductive framework for AI-assisted differential diagnosis [22.43455890575628]
仮説導出型臨床推論のための安全指向フレームワークであるAegisDxについて紹介する。
AegisDx は広範囲の鑑別診断を生成し、危険な "must-not-miss" 条件の明示的なスクリーニングを強制する。
AegisDxは5点のスケールで医師評価の複合安全性スコアを4.31から4.55に改善した。
論文 参考訳（メタデータ） (2026-07-09T01:30:24Z) - A Pathology Foundation Model for Gastric Cancer with Real-World Validation [47.19073124722865]
本稿では,実世界評価と臨床dEcision支援のための,胃科固有の基礎モデルであるGRACEについて述べる。
GRACEは, 症例37,493例のHE-stained whole-slide画像を中心に, 48,364例の多施設で開発された。
高齢の病理医に非劣性パフォーマンスを維持するように調整された場合、AI支援のワークフローは萎縮の60.7%、腸転移の82.7%をトリアージする可能性がある。
論文 参考訳（メタデータ） (2026-06-03T12:18:06Z) - SGC-RML: A reliable and interpretable longitudinal assessment for PD in real-world DNS [2.4463990533701896]
本稿では,SGC-RMLを用いて,音声,歩行,ウェアラブル運動,移動作業,臨床変数を共有8次元症状ノード空間にマッピングする。
不確実性推定、共形校正、選択的な決定経路を共同で導入することにより、モデルは症状や重症度を予測するだけでなく、証拠が不十分な場合に評価を拒否したり、再検査を提案することもできる。
論文 参考訳（メタデータ） (2026-05-08T12:10:08Z) - Agentic clinical reasoning over longitudinal myeloma records: a retrospective evaluation against expert consensus [13.511095666949055]
多発性骨髄腫は、数年から数十年にわたって連続的な治療によって管理される。
第3次センターで治療を受けた811人の骨髄腫患者(2001年-2026年)の縦断的臨床記録について振り返り評価を行った。
単パス検索増強世代 (RAG) と反復RAG (反復RAG) , フルコンテクスト入力 (フルコンテクスト入力) を比較した。
エージェント推論は、最も複雑な質問と最長の記録に集中して、共有天井を超える唯一のアプローチであった。
論文 参考訳（メタデータ） (2026-04-27T13:41:18Z) - 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) - From Days to Minutes: An Autonomous AI Agent Achieves Reliable Clinical Triage in Remote Patient Monitoring [2.0918370570198763]
遠隔患者モニタリング(RPM)は膨大なデータを生成するが、データ量が臨床スタッフを圧倒したため、目覚ましい臨床試験(Tele-HF, BEAT-HF)は失敗した。
RPMバイタルのコンテキストトリアージにモデルコンテキストプロトコル(MCP)を用いた自律型AIエージェントSentinelを開発した。
論文 参考訳（メタデータ） (2026-03-10T00:50:54Z) - 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) - MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。
因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。
MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
論文 参考訳（メタデータ） (2025-11-14T06:47:21Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z)
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。