論文の概要: Generated Context versus Governed State: Functional Conditions for Accountable Longitudinal Clinical Reasoning
- arxiv url: http://arxiv.org/abs/2608.14804v1
- Date: Fri, 14 Aug 2026 18:18:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.087752
- Title: Generated Context versus Governed State: Functional Conditions for Accountable Longitudinal Clinical Reasoning
- Title（参考訳）: 有意な状態と有意な状態: 経時的臨床推論における機能的条件
- Abstract要約: 本稿では,縦断的臨床推論は部分的可観測性の下での状態推定問題である,と論じる。
説明責任の定義は4つの情報要件に分解されることを示す。
6段階の成熟度フレームワークは、システムが管理可能にしているものを、計算できるものと区別する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs) have become the dominant interface of clinical artificial intelligence, yet the interface they expose (text in, text out, one context window at a time) maintains no explicit, persistent, governed representation of what is currently true about a patient. This paper argues that longitudinal clinical reasoning is a state-estimation problem under partial observability, and that the axis on which clinical AI succeeds or fails is not the fluency of the model reading the record but the governance of the patient state it reasons over. We distinguish generated context from governed state; separate five objects that clinical AI habitually conflates (true state, observations, evidence, belief, and simulated state); define a tiered governance standard against which any clinical AI system can be audited; and show that an operational definition of accountability decomposes into four information requirements: an immutable evidence ledger with awareness-time versioning, a belief state distinct from accumulated evidence, an observation-process model, and claim-level causal typing. We are explicit that this decomposition is analytic rather than a necessity theorem, and that its value is conceptual hygiene: it converts "accountable clinical AI" from a slogan into an audit instrument. A six-level maturity framework separates what a system makes governable from what it can compute, locating current LLM-centric practice at high capability but low maturity. The paper is fully self-contained: the four research questions the framework poses are stated in the introduction, and the conclusion records what the paper establishes toward each; future work develops the buildable core of the architecture and the research program toward full Clinical World Models. No empirical result is claimed here.
- Abstract（参考訳）: 大きな言語モデル(LLM)は、臨床人工知能の主要なインターフェースとなっているが、それらが公開するインターフェース(テキストイン、テキストアウト、一度に1つのコンテキストウィンドウ)は、患者の現在真実であるものの明示的で永続的で支配的な表現を保持しない。
本稿では, 慢性期臨床推論は部分観測可能性下での状態推定問題であり, 臨床AIが成功または失敗する軸は, 記録を読み取るモデルの流布ではなく, 患者の統治が原因であると述べる。
臨床AIが日常的に混在する5つのオブジェクト(状態、観察、証拠、信念、シミュレートされた状態)を分離し、あらゆる臨床AIシステムが監査可能な階層化されたガバナンス標準を定義し、説明責任の運用的定義が4つの情報要件に分解されることを示す。
我々は、この分解が必要定理ではなく分析的であり、その価値が概念衛生であることを明確にしている:それは「可算な臨床AI」をスローガンから監査器に変換する。
6段階の成熟度フレームワークは、システムが管理できるものと計算できるものを分離し、現在のLCM中心のプラクティスを高い能力で、かつ低い成熟度で見つけ出す。
本論文は, 自己完結型であり, フレームワークが提案する4つの研究課題が紹介で述べられ, 結論は, 論文がそれぞれに対して何を定めているかを記録し, 今後の研究は, アーキテクチャの構築可能なコアと, 完全な臨床世界モデルに向けた研究プログラムを開発する。
ここでは実証的な結果が得られない。
関連論文リスト
- Three Generations of Healthcare IT: From the Digital Record to the Computable Care Process [47.027290803102666]
対象が患者固有の臨床目的である計算層について述べる。
我々は第3層の原子オブジェクトとしてActionable Clinical Recordを定式化する。
論文 参考訳（メタデータ） (2026-08-09T16:44:28Z) - What Does It Mean for a Medical AI System to Be Right? [0.0]
論文は、医療用AIの正確性は、ベンチマークのパフォーマンスを再現できる唯一の特性ではない、と論じている。
本論文は, 4つのテーマを通じて, 基礎的真理ラベルの不安定性, 過信AIの不確実性, 標準的臨床指標の不適切性, 時間的プレッシャのある臨床環境における自動化バイアスのリスクについて論じる。
論文 参考訳（メタデータ） (2026-05-12T11:18:23Z) - From Black-Box Confidence to Measurable Trust in Clinical AI: A Framework for Evidence, Supervision, and Staged Autonomy [0.0]
臨床人工知能(AI)の信頼度は、精度、生成の頻度、全体的な肯定的なユーザ印象のモデル化に還元できない。
本稿では、エビデンス、監督、ステージド自律性という3つの原則に基づいて構築された、信頼できる臨床AIのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-29T13:40:14Z) - LLM Psychosis: A Theoretical and Diagnostic Framework for Reality-Boundary Failures in Large Language Models [0.0]
対話型エージェントとしての大規模言語モデル(LLM)の展開は、用語学が適切に特徴付けるのに失敗する行動的失敗のカテゴリを明らかにしている。
本稿では, 精神障害と機能的類似を示すモデル認知の病態分解のための構造的理論的枠組みとして, LLM精神病を紹介した。
論文 参考訳（メタデータ） (2026-04-07T09:44:15Z) - Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。
本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2026-03-16T17:20:38Z) - Beyond Medical Chatbots: Meddollina and the Rise of Continuous Clinical Intelligence [0.0]
臨床コンテキストインテリジェンス(CCI)を実世界の臨床に必要とされる能力クラスとして定式化する。
本稿では,言語の実現前に推論を制約するガバナンスファーストな臨床インテリジェンスシステムであるMeddollinaを紹介する。
16,412以上のヘテロジニアスな医療クエリを対象とした行動優先型システムを用いてMeddollinaの評価を行った。
論文 参考訳（メタデータ） (2026-01-30T07:05:14Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models [48.95516224614331]
MedGaze-Benchは、臨床医の視線を認知的カーソルとして活用し、手術、緊急シミュレーション、診断解釈における意図的理解を評価する最初のベンチマークである。
本ベンチマークでは,解剖学的構造の視覚的均一性,臨床における時間・因果依存性の厳格化,安全プロトコルへの暗黙の順守という3つの基本的な課題に対処する。
論文 参考訳（メタデータ） (2026-01-11T02:20:40Z) - Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。
本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。
本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
論文 参考訳（メタデータ） (2025-10-11T16:24:35Z) - The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims [0.7233897166339268]
本稿では,AI出力の生成と受信の状況を理解するための診断手法であるEpistemic Suiteを紹介する。
真実や虚偽を判断する代わりに、スイートは20個の診断レンズを通して、信頼の洗浄、物語の圧縮、異動した権威、一時的な漂流などのパターンを明らかにする。
論文 参考訳（メタデータ） (2025-09-20T00:29:38Z) - A Controllable Examination for Long-Context Language Models [62.845852724511964]
本研究では,長文言語モデルを評価するベンチマークである$textbfLongBioBenchを紹介する。
その結果,ほとんどのモデルでは,検索結果に対する意味的理解や基礎的推論が不足していることが判明した。
我々のさらなる分析は、文脈的非コヒーレンスなど、既存の合成ベンチマークで採用されているいくつかの設計選択を示している。
論文 参考訳（メタデータ） (2025-06-03T14:23:06Z) - Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
基礎モデルの幻覚は自己回帰訓練の目的から生じる。
トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
論文 参考訳（メタデータ） (2025-02-26T02:30:44Z)
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。