Fugu-MT 論文翻訳(概要): Learning Clinical-Trial Strategy: Offline Policy Training for Decision Agents

論文の概要: Learning Clinical-Trial Strategy: Offline Policy Training for Decision Agents

arxiv url: http://arxiv.org/abs/2608.03606v1
Date: Tue, 04 Aug 2026 12:58:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-05 15:30:23.195674
Title: Learning Clinical-Trial Strategy: Offline Policy Training for Decision Agents
Title（参考訳）: 臨床戦略の学習:意思決定エージェントのオフライン政策トレーニング
Abstract要約: 我々は、トライアルレジストリ、規制レビュー、スポンサー申請、利用データ、疫学を含む31.7kの異質な公開データ記録を、45の歴史的プログラムにまたがる881のオフライン決定エピソードに組み合わせた、時間的データセットを構築した。 4つのオフライン目標:行動クローニング、報酬重み付け行動クローニング、学習後学習、価値に基づく暗黙的Q-ラーニングを、4つのフロンティアLSMエージェントに対して比較した。これらの結果から,構造化オフライン学習が臨床実験の計画に役立てることが示唆された。
参考スコア（独自算出の注目度）: 24.09636531093206
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Clinical development is sequential decision-making under uncertainty, where a sponsor must plan a portfolio of experiments from heterogeneous evidence. We study this setting by framing oncology clinical development as an offline decision-making problem in which an agent predicts the next six-month trial portfolio of an oncology drug program from information available at the decision date. To support this, we construct a temporal dataset that combines 31.7k heterogeneous public data records, including trial registries, regulatory reviews, sponsor filings, utilization data, and epidemiology, into 881 offline decision episodes across 45 historical programs. We compare four offline objectives: behavioral cloning, reward-weighted behavioral cloning, learned-reward training, and value-based implicit Q-learning against four frontier LLM agents that share a common date-gated retrieval scaffold across held-out drug, sponsor, drug-class, and temporal splits. Models trained offline outperform the non-fine-tuned baselines, particularly in the post-August 2025 contamination-clean holdout. Reward-weighted behavioral cloning performs the best, obtaining 46.2% indication F1 and 14.2% strict F1 against 25.0% and 2.1%, respectively, for the best-performing tool agent on each metric. These results suggest that structured offline learning can teach agents to plan clinical experiments.
Abstract（参考訳）: 臨床開発は、不確実性の下でのシーケンシャルな意思決定であり、スポンサーは異質な証拠から実験のポートフォリオを計画しなければならない。本研究は, 腫瘍学臨床開発をオフライン意思決定問題として検討し, その決定日に利用可能な情報から, 腫瘍学医薬プログラムの今後6ヶ月の試行ポートフォリオを予測する。これを支援するために、トライアルレジストリ、規制レビュー、スポンサー申請、利用データ、疫学を含む31.7kの異質な公開データ記録を、45の歴史的プログラムにまたがる881のオフライン決定エピソードに組み合わせた時間データセットを構築した。 4つのオフライン目標:行動クローニング、報酬重み付け行動クローニング、学習後学習、価値に基づく暗黙的Q-ラーニングを、4つのフロンティアLSMエージェントに対して比較した。オフラインで訓練されたモデルは、特に2025年8月以降の汚染クリーンホールトアウトにおいて、未調整のベースラインを上回った。逆重み付き行動クローニングは、それぞれの指標の最高のツール剤に対して、それぞれ25.0%と2.1%に対して46.2%の指示F1と14.2%の厳格なF1を得る。これらの結果から,構造化オフライン学習が臨床実験の計画に役立てることが示唆された。

関連論文リスト

ResidencyRL: Reinforcement Learning in Simulated Clinical Environments [53.76751756107077]
臨床人工知能(AI)エージェントを模擬多ターン臨床で訓練するための強化学習(RL)手法であるResidencyRLを提案する。ホールドアウト評価では、ResidencyRLエージェントは、対向条件下で診断精度を7.0%向上させる。盲目の専門医はこれらの利得を検証し、訓練されたエージェントをサイドバイサイド比較の87.6%で好んだ。
論文参考訳（メタデータ） (2026-08-07T17:04:41Z)
An AI agent for treatment reasoning over a biomedical tool universe [35.05540785374698]
1939年以降、FDAが承認した全ての薬物を治療するAIエージェントであるAtheNA-R1を紹介する。 AtheNA-R1は、212のバイオメディカルツールの宇宙上で強化学習によって訓練されている。治療薬理学では94.7%、治療薬理学では82.9%に達する。
論文参考訳（メタデータ） (2026-06-27T02:24:56Z)
CAREAgent: Clinical Agent with Structured Reasoning and Tool-Integrated for Order Generation [10.3425347749644]
既存のエージェントは、主に粗粒度の決定に焦点を合わせ、臨床命令に必要な細粒度で実行可能な情報を見落としている。このギャップに対処するため,臨床オーダー生成のためのエージェントであるCAREAgentを提案する。トレーニングを支援するために,2段階のエージェント推論データ構築手法を提案する。構築されたデータに基づいて、モデルはまず教師付き微調整によって訓練され、基本的な推論形式と医療知識を取得する。
論文参考訳（メタデータ） (2026-05-31T08:31:36Z)
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)
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)
An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文参考訳（メタデータ） (2025-06-25T13:42:26Z)
LLMs for Drug-Drug Interaction Prediction: A Comprehensive Comparison [3.2627279988912194]
大規模言語モデル (LLM) は様々な領域に革命をもたらしたが、薬学研究におけるその可能性はほとんど解明されていない。本研究は薬物と薬物の相互作用(DDI)を予測するLLMの機能について徹底的に研究する。プロプライエタリモデル(GPT-4, Claude, Gemini)やオープンソースモデル(1.5Bから72Bパラメータ)を含む18種類のLCMを評価した。微調整のLLMは優れた性能を示し、Phi-3.5 2.7BはDDI予測において0.978の感度を達成し、バランスの取れたデータセットでは0.919の精度を実現した。
論文参考訳（メタデータ） (2025-02-09T09:58:12Z)
TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文参考訳（メタデータ） (2024-06-30T09:13:10Z)
Automatically Labeling Clinical Trial Outcomes: A Large-Scale Benchmark for Drug Development [24.663798850232588]
臨床試験アウトカム(CTO)ベンチマークは、約125,000の薬物および生物学的試験を含む、完全に再現可能な大規模リポジトリである。成績ラベルの品質と信頼性を高めるため,2020年から2024年にかけて行われた臨床試験のデータセットを手動でアノテートした。
論文参考訳（メタデータ） (2024-06-13T04:23:35Z)
TrialDura: Hierarchical Attention Transformer for Interpretable Clinical Trial Duration Prediction [19.084936647082632]
マルチモーダルデータを用いて臨床試験期間を推定する機械学習に基づくTrialDuraを提案する。バイオメディカルコンテキストに特化されたBio-BERT埋め込みにエンコードして,より深く,より関連するセマンティック理解を提供する。提案モデルでは, 平均絶対誤差(MAE)が1.04年, 根平均二乗誤差(RMSE)が1.39年であった。
論文参考訳（メタデータ） (2024-04-20T02:12:59Z)
HINT: Hierarchical Interaction Network for Trial Outcome Prediction Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文参考訳（メタデータ） (2021-02-08T15:09:07Z)
DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-05-06T13:03:42Z)

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。