論文の概要: From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems

• arxiv url: http://arxiv.org/abs/2608.06112v1
• Date: Thu, 06 Aug 2026 14:44:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.778034
• Title: From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems
• Title（参考訳）: サイロアルゴリズムからコンプライアンスファーストエージェントプラットフォームへ:病院AIシステムのための多層アーキテクチャ
• Abstract要約: 医療AIパイロットの70～80%は、ガバナンスのギャップ、断片化されたデータ、統合ブループリントの欠如により、スケールアップに失敗している。 本研究では、複数の相互運用可能なレイヤを持つ病院固有のコンプライアンス優先のエージェントAIアーキテクチャを提案する。 本研究は, 総合的かつ構造的に現実的な病院データセットと, オープンでデプロイ可能なプロトタイプ実装を用いて, トリアージリスク予測のエンドツーエンドのオーケストレーションを実証する。
• 参考スコア（独自算出の注目度）: 0.18899300124593646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hospitals are rapidly adopting artificial intelligence for triage, imaging, scheduling etc., yet most deployments remain isolated point solutions locked inside departmental silos, resulting in duplicated effort, hidden risks, and unrealized enterprise value. Despite explosive growth of AI in healthcare market and accelerating investment, an estimated 70-80% of healthcare AI pilots fail to scale, largely due to governance gaps, fragmented data, and missing integration blueprints. This research proposes a hospital-specific, compliance-first, Agentic AI architecture with multiple interoperable layers, extending existing hospital AI platform models with: (i) an Agent Orchestration Layer for multi-agent workflows across clinical, operational, and financial domains, (ii) a Compliance and Policy Layer that centralizes policy-as-code for HIPAA, GDPR, the EU AI Act, DISHA Act, India's DPDP Act, and ISO/IEC security and safety standards, and (iii) a Privacy-Preserving Data Fabric that plugs federated learning, differential privacy, and secure enclaves into real-world Hospital Information Management System (HIMS) flows. Using a synthetic but structurally realistic hospital dataset and an open, ready-to-deploy prototype implementation, this study demonstrates the end-to-end orchestration of triage risk prediction, workflow optimization, and compliance logging, achieving substantial simulated reductions in task turnaround times and manual documentation effort while maintaining policy-guarded data access. The resulting architecture offers hospital leaders a pragmatic blueprint to move from ad hoc tools to a governed, globally compliant, ROI-focused AI platform that can be tailored to on-premise, hybrid and cloud-native deployments.
• Abstract（参考訳）: 病院は、トリアージ、イメージング、スケジューリングなどに人工知能を急速に採用しているが、ほとんどのデプロイメントは、部門サイロ内にロックされた孤立したポイントソリューションのままであり、重複した労力、隠れたリスク、そして非現実的な企業価値をもたらす。 医療市場におけるAIの爆発的な成長と投資の加速にもかかわらず、推定70-80%の医療AIパイロットは、主にガバナンスのギャップ、断片化されたデータ、統合の青写真不足のために、スケールアップに失敗している。 本研究では、複数の相互運用可能なレイヤを備えた、病院固有のコンプライアンス優先のエージェントAIアーキテクチャを提案し、既存の病院AIプラットフォームモデルを次のように拡張する。 一 臨床、手術、財務の分野にまたがるマルチエージェントワークフローのためのエージェントオーケストレーションレイヤー (二)HIPAA、GDPR、EU AI法、disHA法、インドのDPDP法及びISO/IECの安全及び安全基準のポリシー・アズ・コードに集中するコンプライアンス・ポリシー・レイヤ 三 現実の病院情報管理システム(HIMS)にフェデレーションラーニング、差分プライバシ、セキュアエンクレーブを接続するプライバシ保存データファブリック。 本研究は, 総合的かつ構造的に現実的な病院データセットとオープンでデプロイ可能なプロトタイプ実装を用いて, トリアージリスク予測, ワークフロー最適化, コンプライアンスログのエンドツーエンドのオーケストレーションを実証し, タスクのターンアラウンド時間と手作業による文書化作業の大幅な削減を実現し, ポリシーに守られたデータアクセスを維持した。 その結果生まれたアーキテクチャは、病院のリーダーたちに、アドホックなツールから、オンプレミス、ハイブリッド、クラウドネイティブなデプロイメントに適した、管理された、グローバルに準拠したROIにフォーカスしたAIプラットフォームに移行するための実践的な青写真を提供する。

関連論文リスト

• From Single Chatbots to Governed Agent Ecosystems: An Agentic AI Pattern Catalogue and Orchestration Framework for Mission-Critical Hospital Information Management Systems [0.18899300124593646]
  本研究では,コンプライアンスファーストなAIパターンカタログとオーケストレーションフレームワークを提案する。 このフレームワークは、(i)エージェントロールの分類を追加し、(ii)リスク層に各パターンをマッピングする正式なリスク層モデル、(ii)リスク層、ヒューマン・イン・ザ・ループのチェックポイント、ガバナンスフック、(iii)EHR/HIMSのランドスケープをまたいだマルチエージェントオーケストレーションをコーディネート可能な統一的なオーケストレーションを追加することで拡張します。
  論文  参考訳（メタデータ） (2026-08-07T10:57:30Z)
• FMRP-LEAN: A HIPAA-Compliant AI-Augmented LIMS Architecture for End-to-End Clinical Assay Workflow Optimization [0.0]
  本稿では,HIPAAに準拠したAI強化実験室情報管理システム (LIMS) アーキテクチャであるFMRP-LEANについて述べる。
  論文  参考訳（メタデータ） (2026-07-22T17:11:52Z)
• DecodingTrust-Agent Platform (DTap): A Controllable and Interactive Red-Teaming Platform for AI Agents [121.77550256034]
  DecodingTrust-Agent Platform (DTap)は、AIエージェントのためのコントロール可能でインタラクティブなレッドチームプラットフォームである。 DTap-Redは、多様なインジェクションベクターを探索し、効果的な攻撃戦略を自律的に発見する、最初の自律的赤チームエージェントである。 DTapを通じて、さまざまなバックボーンモデル上に構築された一般的なAIエージェントの大規模評価を行う。
  論文  参考訳（メタデータ） (2026-05-06T11:59:48Z)
• A Sociotechnical, Practitioner-Centered Approach to Technology Adoption in Cybersecurity Operations: An LLM Case [37.213160842134364]
  セキュリティ・オペレーション・センター(SOC)の技術は信頼と信頼性の懸念から採用が遅れた歴史がある。 大規模言語モデル(LLM)がSOC効率を向上できるかを評価するため,多国籍企業SOCに2人のPhD研究者を組み込んだ。 反復的な洗練はワークフローの混乱を減らし、解釈可能性を改善し、継続的な採用につながった。
  論文  参考訳（メタデータ） (2026-04-23T13:43:28Z)
• Key-Embedded Privacy for Decentralized AI in Biomedical Omics [43.072683741556126]
  本稿では,Implicit Neural Representation に基づく軽量なフェデレーション学習手法 INFL を提案する。 INFLは、実用性を維持しながら、強力な制御可能なプライバシを実現し、下流の科学および臨床応用のためのユーティリティを保存する。
  論文  参考訳（メタデータ） (2026-03-30T12:04:50Z)
• Federated Agentic AI for Wireless Networks: Fundamentals, Approaches, and Applications [60.721304295812445]
  フェデレートラーニング(FL)はエージェントAIの全体的なループを改善する可能性がある。 まず、エージェントAIとメインストリームのFLタイプの基礎を要約し、各FLタイプがエージェントAIのループの特定のコンポーネントを強化する方法について説明する。 低高度無線ネットワークにおけるエージェントAIの動作決定性能を向上させるためにFRLを用いたケーススタディを行う。
  論文  参考訳（メタデータ） (2026-03-02T11:26:56Z)
• The PBSAI Governance Ecosystem: A Multi-Agent AI Reference Architecture for Securing Enterprise AI Estates [0.0]
  本稿では,PBSAI(Practitioners Blueprint for Secure AI)ガバナンスエコシステムについて紹介する。 PBSAIは、エンタープライズおよびハイパースケールAIエステートを確保するためのマルチエージェント参照アーキテクチャである。
  論文  参考訳（メタデータ） (2026-02-11T19:21:35Z)
• Engineering AI Agents for Clinical Workflows: A Case Study in Architecture,MLOps, and Governance [0.21748200848556345]
  我々は、ヒューマン・イン・ザ・ループ(Human-in-the-Loop)ガバナンスモデルが、単に安全チェックとしてだけでなく、継続的な改善のための重要なイベント駆動データソースとして技術的に統合されていることを示す。 我々は、このプラットフォームをリファレンスアーキテクチャとして提示し、メンテナンス可能でスケーラブルで説明可能なAI対応システムを高レベルなドメインで構築するエンジニアに実践的な教訓を提供する。
  論文  参考訳（メタデータ） (2026-01-31T14:33:57Z)
• An AI Implementation Science Study to Improve Trustworthy Data in a Large Healthcare System [1.6881002551798014]
  本研究では,大規模多施設小児科システムであるSingers Childrens (SCs) におけるAI導入事例について述べる。 我々は,Pythonベースのデータ品質評価ツールをSCsインフラストラクチャと互換性を持ち,OHDsiのR/Javaベースのデータ品質ダッシュボードを拡張した。 また,FHIR標準を用いた顎顔面マイクロソミー(CFM)の体系的およびケース特異的AI実装戦略の比較を行った。
  論文  参考訳（メタデータ） (2025-12-01T14:21:16Z)
• Data Poisoning Vulnerabilities Across Healthcare AI Architectures: A Security Threat Analysis [39.89241412792336]
  我々は,畳み込みニューラルネットワークに対するアーキテクチャ攻撃,大規模言語モデル,強化学習エージェントの4つのカテゴリの8つの攻撃シナリオを分析した。 以上の結果から,100～500サンプルしかアクセスできないアタッカーは,データセットのサイズに関わらず,医療AIを侵害する可能性が示唆された。 我々は、必要な敵検定、アンサンブルに基づく検出、プライバシー保護セキュリティ機構、AIセキュリティ標準に関する国際調整を含む多層防御を推奨する。
  論文  参考訳（メタデータ） (2025-11-14T07:16:16Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• A Survey of AI Agent Protocols [35.431057321412354]
  大きな言語モデル(LLM)エージェントが外部ツールやデータソースと通信する標準的な方法はありません。 この標準化されたプロトコルの欠如は、エージェントが協力したり、効果的にスケールするのを難しくする。 LLMエージェントの統一通信プロトコルは、これを変更できる。
  論文  参考訳（メタデータ） (2025-04-23T14:07:26Z)
• A Federated Learning Platform as a Service for Advancing Stroke Management in European Clinical Centers [37.285731240749904]
  本稿では,FLプロセスの構成,監視,管理を支援するための新しいFLプラットフォームを提案する。 臨床環境に固有の生産感度を考慮し,提案するFLアーキテクチャの安全性を強調した。 このプラットフォームは、公開データセットを使用して、さまざまな運用環境でのテストに成功している。
  論文  参考訳（メタデータ） (2024-10-02T09:24:05Z)
• Integration and Implementation Strategies for AI Algorithm Deployment with Smart Routing Rules and Workflow Management [0.37918614538294315]
  本稿では、医療産業における人工知能(AI)ソリューションの普及を妨げる課題について概説する。 AI開発のための標準化されたフレームワークが存在しないことは、大きな障壁となり、それに対応するために新しいパラダイムが必要である。 本稿では,医療分野における異種アプリケーションの連携における相互運用の役割について検討する。
  論文  参考訳（メタデータ） (2023-11-17T19:38:37Z)
• MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
  この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
  論文  参考訳（メタデータ） (2021-09-29T18:09:41Z)

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。