論文の概要: Conversation as Measurement in Clinical Encounters: Observable Phase Structure, Partially Observable Patient State
- arxiv url: http://arxiv.org/abs/2608.08868v2
- Date: Tue, 11 Aug 2026 04:09:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.735496
- Title: Conversation as Measurement in Clinical Encounters: Observable Phase Structure, Partially Observable Patient State
- Title（参考訳）: 臨床検査士における測定としての会話:観察可能な位相構造、部分的に観察可能な患者状態
- Abstract要約: 多くの現代のAIシステムは、人間のインタラクションと状態の側面を推測するために会話の痕跡を分析し、そのような情報が会話から回復可能であることを暗黙的に仮定している。
134時間にわたる実世界439件の臨床診断書を用いた患者状態と会話相構造の観察可能性について検討した。
- 参考スコア（独自算出の注目度）: 20.171383449115652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many modern AI systems analyze conversational traces to infer aspects of human interaction and state, implicitly assuming that such information is recoverable from conversation. We study observability: whether a target is recoverable from conversational transcripts alone. Observability is difficult to assess because transcripts may provide only a partial view of many targets, and large-scale analysis requires model-based annotation, making true limits of the conversational signal hard to distinguish from annotator error. We therefore study clinical encounters, where patient-reported outcome measures (PROMs) provide an external anchor for patient state, and visits follow broadly structured patterns. We study observability of patient state and conversational phase structure using 439 real-world clinical encounter transcripts spanning 134 hours, including 245 ENT transcripts paired with 273 PROM surveys. We operationalize patient state using PROM scores for voice, cough, and swallowing; phase structure using conversational phase segmentation. To make these analyses credible at scale, we use a PHI-compliant GPT-5 deployment for transcript annotation and conduct 40 hours of manual validation, reducing the risk that apparent limits of observability simply reflect annotator error. Our core finding is an observability asymmetry: phase structure is observable and useful for characterizing clinical encounter organization, while patient state is only partially observable, even in a setting designed to elicit patient symptoms and experiences, cautioning against transcript-only inference of human state.
- Abstract（参考訳）: 多くの現代のAIシステムは、人間のインタラクションと状態の側面を推測するために会話の痕跡を分析し、そのような情報が会話から回復可能であることを暗黙的に仮定している。
可観測性(observability):会話の書き起こしのみから対象が回復可能かどうかを考察する。
可観測性は、多くのターゲットの部分的なビューしか提供できないため評価が困難であり、大規模解析にはモデルベースのアノテーションが必要であるため、アノテータエラーと区別するのが困難である。
そこで我々は,患者報告結果尺度(PROM)が患者の状態に外部アンカーを与え,来訪者が広範囲に構造化されたパターンに従う臨床経験について検討した。
患者状態と会話相構造の可観測性について,273 PROMと組み合わせた245 ENT transcriptを含む,134時間にまたがる439のリアル・ワールド・ライクエンス・トランスクリプトを用いて検討した。
ProMスコアを用いて患者状態を操作し,音声,うっ血,摂食の相構造を対話型位相分割法を用いて検討した。
これらの分析を大規模に検証するために、転写アノテーションにPHI準拠のGPT-5を配置し、40時間の手作業による検証を行い、可観測性の明らかな限界がアノテータエラーを反映するリスクを低減する。
我々の中核となる発見は可観測性非対称性である: 位相構造は臨床遭遇組織を特徴づけるのに有用であり、患者状態は部分的にしか観察できない。
関連論文リスト
- Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026 [62.221439619588914]
我々は、KITのこの年に提出したBeTraCチャレンジを軽量トラックで紹介する。
我々の主な貢献は、多種多様な医療対話データセットを合成音声生成と自動生成SOAP監視によって統合するスケーラブルなデータ拡張パイプラインである。
論文 参考訳（メタデータ） (2026-08-25T09:51:03Z) - Evaluating Large Language Models in Dynamic Clinical Decision-Making with Standardized Patient Cases [71.12461204050985]
MedSP1000 (MedSP1000) は、SP由来の臨床エージェント評価のための対話型ベンチマークである。
ピアレビューされたSPの授業ケースを、定義されたSPケーススクリプト、臨床環境コンテキスト、人為的な構造化ルーブリックで実行可能なシナリオに変換する。
MedSP1000を多種多様な汎用および医療用LLMに適用すると、静的ベンチマークの性能がそのような教育シナリオに確実に変換されないことが分かる。
論文 参考訳（メタデータ） (2026-06-03T17:17:16Z) - MedConceal: A Benchmark for Clinical Hidden-Concern Reasoning Under Partial Observability [17.806376792868416]
医療対話における隠蔽推論評価のための対話型患者シミュレータを用いたベンチマークであるMedConcealを提案する。
クリニックが回答したオンライン健康に関する議論から構築された各ケースは、シミュレーターと内部を隠蔽した懸念を伴うクリニックと視覚のコンテキストをペアリングする。
本研究は,マルチターン対話を通じて隠れた関心を隠蔽し,介入し,主要な関心事に対処し,患者を目標計画に向けて誘導する2つの能力について検討する。
論文 参考訳（メタデータ） (2026-04-09T21:51:02Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - Continuous Telemonitoring of Heart Failure using Personalised Speech Dynamics [17.682803546212824]
本研究では,個人内における相対的な症状変化の軌跡を捉えるためのLIPT方式を提案する。
このフレームワークの中心は、縦長の音声記録を文脈対応の潜在表現に変換するシーケンスパーソナライズ(PSE)である。
225人のコホートによる実験の結果、LIPTパラダイムは古典的な横断的アプローチよりも優れていた。
論文 参考訳（メタデータ） (2026-02-23T10:19:17Z) - Reading Between the Lines: Combining Pause Dynamics and Semantic Coherence for Automated Assessment of Thought Disorder [8.239710313549466]
本研究では,ポーズ機能と3つのデータセット間のセマンティックコヒーレンスメトリクスを統合する。
重要な発見は、停止機能だけで形式的思考障害(FTD)の重症度を確実に予測できることである。
これらの結果から,時間的分析と意味的分析を組み合わせたフレームワークが,非編成音声の評価を洗練するためのロードマップを提供する可能性が示唆された。
論文 参考訳（メタデータ） (2025-07-17T22:00:16Z) - Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。
VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。
本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T23:19:28Z) - Exploring Speech Pattern Disorders in Autism using Machine Learning [12.469348589699766]
本研究は, 被験者と患者との対話の分析を通じて, 独特の音声パターンを識別するための包括的アプローチを提案する。
我々は,40の音声関連特徴を抽出し,周波数,ゼロクロス速度,エネルギー,スペクトル特性,メル周波数ケプストラル係数(MFCC),バランスに分類した。
分類モデルはASDと非ASDを区別することを目的としており、精度は87.75%である。
論文 参考訳（メタデータ） (2024-05-03T02:59:15Z) - Generating medically-accurate summaries of patient-provider dialogue: A
multi-stage approach using large language models [6.252236971703546]
効果的な要約は、対話におけるすべての医学的関連情報を一貫性と精度良く捉えることが要求される。
本稿では, 医療会話の要約問題に, タスクを, より小さな対話に基づくタスクに分解することで対処する。
論文 参考訳（メタデータ） (2023-05-10T08:48:53Z) - PriMock57: A Dataset Of Primary Care Mock Consultations [66.29154510369372]
本稿では,57件のモック・プライマリ・ケア・コンサルテーションからなる,パブリック・アクセス・高品質データセットの開発について詳述する。
我々の研究は、データセットが会話型医療ASRのベンチマークや、テキストからのコンサルティングノート生成にどのように使用できるかを説明する。
論文 参考訳（メタデータ） (2022-04-01T10:18:28Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z)
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。