論文の概要: Authoring and Management of Transparent Research Integrity Assessments of Randomised Clinical Trial Publications Using LLM-assisted Tools and Provenance Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2608.07202v1
- Date: Fri, 07 Aug 2026 13:17:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.502609
- Title: Authoring and Management of Transparent Research Integrity Assessments of Randomised Clinical Trial Publications Using LLM-assisted Tools and Provenance Knowledge Graphs
- Title（参考訳）: LLM支援ツールと前兆知識グラフを用いたランダム化臨床試験の透明化評価のオーサリングと管理
- Abstract要約: 本稿では,INSPECT-AIについて述べる。INSPECT-AIは人間レビュアーが公開RTTの完全性を評価するのを支援する対話型ツールである。
さらに, 95 RCTの専門的研究整合性評価を140セットにまとめたRIPE-KG(Research Integrity Provenance and Evidence Knowledge graph)を提案する。
- 参考スコア（独自算出の注目度）: 1.278416597547996
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Systematic reviews of Randomised Controlled Trials (RCTs) are routinely used as evidence for clinical care guidelines. Such evidence has to meet high research integrity standards to prevent low quality or false research outputs influencing the clinical care. However, assessing research integrity of published RCTs is a complex process requiring manual effort, and potentially resulting in diverse opinions of the human assessors. This paper describes INSPECT-AI, an LLM-based interactive tool that assists human reviewers with research integrity assessments of published RCTs based on the community approved INSPECT-SR framework, and the Research Integrity Provenance and Evidence ontology (RIPE-O) for documenting the provenance of the assessment process. In addition, we present the Research Integrity Provenance and Evidence knowledge graph (RIPE-KG), an initial set of 140 expert research integrity assessments of 95 RCT publications generated by INSPECT-AI and described using RIPE-O.
- Abstract（参考訳）: ランダム化比較試験(RCT)の体系的レビューは、臨床ケアガイドラインの証拠として日常的に使用されている。
このような証拠は、低い品質や誤った研究成果が臨床医療に影響を与えるのを防ぐために、高い研究整合性基準を満たす必要がある。
しかしながら、公表されたRCTの研究の完全性を評価することは、手作業を必要とする複雑なプロセスであり、人間の評価者の様々な意見をもたらす可能性がある。
本稿は,INSPECT-SRフレームワークを基盤として,人間レビュアーが公開されているRCTの完全性評価を行うのを支援するLLMベースのインタラクティブツールであるINSPECT-AIと,評価プロセスの成果を文書化するためのRIPE-O(Research Integrity Provenance and Evidence Ontology)について述べる。
さらに,INSPECT-AI が生成し,RIPE-O を用いて記述した 95 個の RCT 出版物について,140 個の専門的研究整合性評価のセットである,RIPE-KG のリサーチインテリジェンス確率とエビデンス知識グラフ(Research Integrity Provenance and Evidence Knowledge graph)を提示する。
関連論文リスト
- DeepER-Med: Advancing Deep Evidence-Based Research in Medicine Through Agentic AI [10.310030966524161]
我々はエージェントAIシステムを用いた深層医学研究のためのフレームワークであるDeepER-Medを紹介する。
DeepER-Medは、エビデンスベースの生成の明示的で検査可能なワークフローとして、深層医学研究を基盤としている。
複数の基準で広く使われているプロダクショングレードプラットフォームより一貫して優れています。
ヒト臨床評価では、DeepER-Medの結論は7例の臨床勧告と一致している。
論文 参考訳（メタデータ） (2026-04-16T18:17:24Z) - Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis [49.83108591873481]
EligMetaはエージェントフレームワークで、自動トライアル発見と、資格を意識したメタ分析を統合する。
フレームワークは、目標トライアル間の人口アライメントを反映した類似性に基づく研究重量を計算し、適性基準を構造化する。
論文 参考訳（メタデータ） (2026-04-03T03:18:50Z) - Towards a Medical AI Scientist [73.6056699962416]
私たちは、臨床自律研究に特化した最初の自律的な研究フレームワークである、メディカルAIサイエンティストを紹介します。
このフレームワークは3つの研究モード、すなわち論文ベースの再現、文学にインスパイアされた革新、タスク駆動探索で動作する。
本システムでは,提案手法と実装の密接な整合性を実現するとともに,実行可能実験において極めて高い成功率を示す。
論文 参考訳（メタデータ） (2026-03-30T15:37:25Z) - The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。
我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。
我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
論文 参考訳（メタデータ） (2026-02-05T19:00:02Z) - Responsible Evaluation of AI for Mental Health [72.85175110624736]
メンタルヘルスケアにおけるAIツールの評価に対する現在のアプローチは、断片化されており、臨床実践、社会的コンテキスト、ファーストハンドのユーザエクスペリエンスと不整合である。
本稿では,臨床の健全性,社会的文脈,公平性を統合した学際的枠組みを導入することにより,責任ある評価を再考する。
論文 参考訳（メタデータ） (2026-01-20T12:55:10Z) - An Investigation on How AI-Generated Responses Affect SoftwareEngineering Surveys [3.183470571353323]
本研究では,大規模言語モデル (LLM) がソフトウェア工学のサーベイでいかに誤用されているかを考察する。
我々は2025年にProlificプラットフォームを通じて行われた2回の調査からのデータを分析した。
ソフトウェア工学のサーベイにおいて、データの真正性は新たな妥当性の次元として認識される。
論文 参考訳（メタデータ） (2025-12-19T11:17:05Z) - End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。
Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。
実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-08-21T17:42:47Z) - Natural Language Processing in Support of Evidence-based Medicine: A Scoping Review [20.806546651936408]
EBM(エビデンス・ベース・メディカル)は現代の医療の最前線にあり、臨床上の決定を導くのに最も有効な科学的証拠を使用することを強調している。
EBMのエビデンスを特定し、評価し、分析し、要約し、広めるために、自然言語処理(NLP)手法を調査する必要がある。
本研究は,臨床意思決定プロセスの強化において,NLPをEMMに活用する研究129件について,その重要な役割について詳細に検討した。
論文 参考訳（メタデータ） (2025-05-28T12:17:01Z) - Systematic Literature Review on Clinical Trial Eligibility Matching [0.24554686192257422]
レビューでは、説明可能なAIと標準化されたオントロジーがクリニックの信頼を高め、採用を広げる方法が強調されている。
臨床治験採用におけるNLPの変革的ポテンシャルを十分に実現するためには、高度な意味的および時間的表現、拡張されたデータ統合、厳密な予測的評価のさらなる研究が必要である。
論文 参考訳（メタデータ） (2025-03-02T11:45:50Z) - Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。
本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。
その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Accelerating Clinical Evidence Synthesis with Large Language Models [28.002870749019035]
本稿では,人間とAIのコラボレーションを促進するための生成人工知能パイプラインであるTrialMindを紹介する。
TrialMindは、検索、スクリーニング、データ抽出タスクを横断的に拡張する。
人間の専門家は、GPT-4よりもTrialMindの出力を62.5%から100%のケースで好んだ。
論文 参考訳（メタデータ） (2024-06-25T17:41:52Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - Privacy Impact Assessments in the Wild: A Scoping Review [1.7677916783208343]
プライバシ・インパクト・アセスメント(PIAs)は、プロジェクトやシステムのプライバシ・インパクトを評価するための体系的なプロセスを提供する。
PIAは、設計によるプライバシに対する主要なアプローチの1つであり、脅威とコントロールの早期識別をサポートする。
質的かつ定量的な、このトピックに関するより基本的な研究には、依然として大きなニーズがある。
論文 参考訳（メタデータ） (2024-02-17T05:07:10Z)
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。