論文の概要: MIRA: Medical Image Reflection for Agentic Diagnosis

• arxiv url: http://arxiv.org/abs/2608.10827v1
• Date: Tue, 11 Aug 2026 11:57:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.032488
• Title: MIRA: Medical Image Reflection for Agentic Diagnosis
• Title（参考訳）: MIRA: 薬物診断のための医用イメージリフレクション
• Abstract要約: 医用視覚エージェントは画像の検査や外部知識の検索を行うことができるが、識別できない道具の使用はノイズや誤解を招く証拠をもたらすことがある。 MIRA(Medical Image Reflection for Agentic Diagnosis)は,自律的証拠探索と反射的検証のための医用視覚診断フレームワークである。 MIRAは、ズーム、グラウンド、ポインティング、回転、測定などの画像処理操作とWeb検索を動的に実行し、取得した証拠の妥当性と一貫性を評価している。
• 参考スコア（独自算出の注目度）: 30.52878931438202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical visual agents can use tools to inspect images and retrieve external knowledge, but indiscriminate tool use may introduce noisy or misleading evidence. Reliable diagnosis therefore requires not only acquiring additional observations, but also verifying whether tool actions are necessary and whether the resulting evidence supports the current hypothesis. We introduce MIRA (Medical Image Reflection for Agentic Diagnosis), a medical visual diagnostic framework for autonomous evidence search and reflective verification. MIRA dynamically invokes image-processing operations, including zooming, grounding, pointing, rotation, and measurement, as well as web search, while evaluating the relevance and consistency of the acquired evidence. We develop MIRA through a two-stage training strategy. First, a tool-augmented Monte Carlo Tree Search data engine explores diverse diagnostic hypotheses and jointly verifies visual grounding accuracy and semantic consistency to construct supervised fine-tuning trajectories. Second, reinforcement learning further improves decision-making through online reflective principle evolution: failure cases are distilled into candidate principles, and only principles that improve held-out rollout rewards are retained. Across nine medical visual reasoning benchmarks, MIRA achieves an average score of 64.73, improving its Qwen3-VL-8B backbone by 7.44 points. It also increases useful tool-use judgments from 56.2% to 73.8% and reduces harmful judgments from 8.9% to 1.6%. Qualitative analyses show that MIRA can re-examine evidence, correct premature conclusions, and adapt its tool-use strategy. Project page: https://MIRA-VL.github.io/
• Abstract（参考訳）: 医用ビジュアルエージェントは、画像の検査や外部知識の検索にツールを使用することができるが、識別できないツールの使用は、ノイズや誤解を招く証拠をもたらす可能性がある。 したがって、信頼性の高い診断は、追加の観察を得るだけでなく、ツールアクションが必要かどうか、その結果の証拠が現在の仮説を支持するかどうかを検証する必要がある。 MIRA(Medical Image Reflection for Agentic Diagnosis)は,自律的証拠探索と反射的検証のための医用視覚診断フレームワークである。 MIRAは、ズーム、グラウンド、ポインティング、回転、測定などの画像処理操作とWeb検索を動的に実行し、取得した証拠の妥当性と一貫性を評価している。 我々は2段階のトレーニング戦略によりMIRAを開発する。 まず,ツールを拡張したモンテカルロ木探索データエンジンで様々な診断仮説を探索し,視覚的基底精度と意味的整合性を共同検証し,教師付き微調整トラジェクトリを構築する。 第二に、強化学習はオンラインのリフレクティブ原則の進化を通じて意思決定をさらに改善し、失敗事例は候補原則に蒸留され、保留されたロールアウト報酬を改善する原則のみが維持される。 9つの医学的視覚的推論ベンチマークで、MIRAは平均64.73のスコアを獲得し、Qwen3-VL-8Bのバックボーンを7.44ポイント改善した。 また、有用な道具使用判断を56.2%から73.8%に引き上げ、有害な判断を8.9%から1.6%に下げる。 質的な分析により、MIRAはエビデンスを再検査し、未熟な結論を正し、ツール利用戦略に適応できることが示された。 プロジェクトページ: https://MIRA-VL.github.io/

関連論文リスト

• ReGround: Restoring Visual Grounding in Multi-Step Reasoning through Self-Diagnosis and Visual Re-Examination [9.288297528741332]
  ReGroundはビジョンランゲージモデル(Vision-Language Models)を教えるフレームワークで、失敗を自己診断し、視覚的エビデンスを選択的に再検査する。 画像再注入と目標自己診断の2つの相補的な要素が必要であることが判明した。
  論文  参考訳（メタデータ） (2026-08-05T02:41:53Z)
• MedCTA: A Benchmark for Clinical Tool Agents [47.47354499871572]
  MedCTA(MedCTA)は,臨床医が有する段階的作業における医療ツールエージェントの評価のためのベンチマークである。 MedCTAは、実世界の107の臨床的タスクと、臨床者が検証した5つのデプロイツール以上の実行可能な軌道から構成される。 我々は18のオープンソースおよびクローズドソースマルチモーダルモデルをベンチマークし、フロンティアシステムでさえもマルチステップ臨床ツールの使用において脆弱であることを発見した。
  論文  参考訳（メタデータ） (2026-06-10T06:26:52Z)
• Incentivizing Tool-augmented Thinking with Images for Medical Image Analysis [35.90026194642237]
  Ophiuchusは汎用的なツール拡張フレームワークで、MLLMを装備し、追加の視覚的証拠が必要かどうかを判断する。 われわれのアプローチは、ツール統合推論を通じて「イメージで考える」ことができる医療AIエージェントへの道を照らしている。
  論文  参考訳（メタデータ） (2025-12-16T07:37:23Z)
• Proactive Reasoning-with-Retrieval Framework for Medical Multimodal Large Language Models [15.530083855947987]
  我々は,Med-RwR を用いた最初のマルチモーダル医療推論フレームワークを提案する。 Med-RwRは、推論中に観察された症状やドメイン固有の医療概念を問い合わせることで、外部知識を積極的に回収する。 様々な公開医療ベンチマークの評価は、Med-RwRのベースラインモデルに対する大幅な改善を示している。
  論文  参考訳（メタデータ） (2025-10-21T05:18:18Z)
• EchoBench: Benchmarking Sycophancy in Medical Large Vision-Language Models [82.43729208063468]
  医療用LVLM(Large Vision-Language Models)の最近のベンチマークでは、信頼性と安全性を見越して、リーダボードの精度を強調している。 ユーザが提供した情報を非批判的に反響させる傾向のモデルについて検討する。 医療用LVLMの梅毒を系統的に評価するベンチマークであるEchoBenchを紹介する。
  論文  参考訳（メタデータ） (2025-09-24T14:09:55Z)
• Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
  大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。 本稿では,構造化医療推論を利用した新しいアプローチを提案する。 我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
  論文  参考訳（メタデータ） (2025-03-05T05:24:55Z)
• VisTA: Vision-Text Alignment Model with Contrastive Learning using Multimodal Data for Evidence-Driven, Reliable, and Explainable Alzheimer's Disease Diagnosis [5.5541801541090825]
  コントラスト学習を支援するマルチモーダル言語ビジョンモデルVisTAを提案する。 VisTAは4つのアウトプットを生成する:予測異常タイプ、参照ケースと類似性、エビデンス駆動の説明、そして最終AD診断である。 ベースライン前訓練に使用した1500万枚の画像と比較して、VisTAは微細調整に170個のサンプルしか使用せず、異常検索と認知症予測の大幅な改善を得た。
  論文  参考訳（メタデータ） (2025-02-03T17:15:01Z)
• Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
  MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。 MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。 マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
  論文  参考訳（メタデータ） (2024-04-10T07:41:35Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Anomaly Detection in Medical Imaging -- A Mini Review [0.2455468619225742]
  本稿では,医療画像における関連異常検出論文の半発掘文献レビューを用いて,アプリケーションをクラスタリングする。 主な結果は、ラベル付きデータの必要性を減らすことで、現在の研究が主に動機付けされていることを示している。 また、脳MRI領域における多くの研究が成功し、OCTや胸部X線といったさらなる領域への応用の可能性を示している。
  論文  参考訳（メタデータ） (2021-08-25T11:45:40Z)
• SSMD: Semi-Supervised Medical Image Detection with Adaptive Consistency and Heterogeneous Perturbation [47.001609080453335]
  SSMD(Semi-Supervised Medical Image Detector)を提案する。 SSMDの背後にあるモチベーションは、各位置での予測を一貫性のあるものにすることで、ラベルのないデータに対して、自由かつ効果的な監視を提供することである。 広範な実験結果から,提案したSSMDは,幅広い環境下での最先端性能を実現することが示唆された。
  論文  参考訳（メタデータ） (2021-06-03T01:59:50Z)

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。