Fugu-MT 論文翻訳(概要): Physiological World Models for Human State Transitions

論文の概要: Physiological World Models for Human State Transitions

arxiv url: http://arxiv.org/abs/2608.15309v1
Date: Sat, 15 Aug 2026 16:26:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.255614
Title: Physiological World Models for Human State Transitions
Title（参考訳）: 人間の状態遷移の生理的世界モデル
Abstract要約: 本研究では,PWM(Physological World Model)を提案する。状態表現から境界介入計画までの4つの能力レベルと、4つのデータ取得および検証プロトコルについて述べる。この枠組みは、パーソナライズされた健康管理、行動介入設計、臨床医が監督する意思決定支援への実践的な道筋を提供する。
参考スコア（独自算出の注目度）: 16.270018313593514
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Continuous multimodal sensing now allows human physiology to be observed throughout daily life rather than only during occasional clinical visits. However, most health artificial intelligence systems are designed to recognize current states, estimate risks or analyse individual biomarkers. They do not directly model how physiological states change in response to real-world events, behaviours, contexts and interventions. Here we propose the Physiological World Model (PWM), an event-conditioned framework for learning these changes at the level of the whole person. We introduce the HumanState Transition Token, a structured, quality-scored unit that connects the physiological state before an event with the event or action, relevant context and intervention information, the physiological trajectory after the event, observed outcomes and data quality. We describe four capability levels, from state representation to bounded intervention planning, together with four data acquisition and validation protocols. We also propose six benchmark tasks covering HumanState representation, forecasting across multiple timescales, individualized response prediction, simulation of alternative interventions, bounded planning and reliability under distribution shift. Together, this framework provides a practical path towards personalized health management, behavioural intervention design and clinician-supervised decision support, while clearly separating prediction from causal inference and making uncertainty, safety, governance and limits of use explicit.
Abstract（参考訳）: 連続したマルチモーダルセンシングにより、人間の生理学は、時々の臨床訪問でのみ観察されるのではなく、日常生活を通して観察されるようになった。しかし、ほとんどの健康人工知能システムは、現在の状態を認識し、リスクを見積り、個々のバイオマーカーを分析するように設計されている。現実世界の出来事、行動、文脈、介入に対する生理状態の変化を直接モデル化するものではない。本稿では,これらの変化を個人レベルで学習するための事象条件付きフレームワークであるPWMを提案する。本稿では,事象前の生理状態と事象や行動,関連する文脈や介入情報,出来事後の生理的軌道,観測結果とデータ品質とを結びつける,構造化された品質の高いユニットであるHumanState Transition Tokenを紹介する。状態表現から境界介入計画までの4つの能力レベルと、4つのデータ取得および検証プロトコルについて述べる。また、HumanState表現、複数の時間スケールでの予測、個別化された応答予測、代替介入のシミュレーション、有界計画および分散シフト時の信頼性に関する6つのベンチマークタスクを提案する。この枠組みは、パーソナライズされた健康管理、行動介入設計、臨床者が監督する意思決定支援への実践的な経路を提供するとともに、因果推論からの予測を明確に分離し、不確実性、安全性、ガバナンス、使用制限を明確にする。

関連論文リスト

Medical world models in healthcare: foundations, applications, and challenges for trustworthy clinical translation [9.298791886645303]
医療の世界モデルは、静的予測を超えて医療人工知能を拡張するためのフレームワークを提供する。このレビューでは、概念的境界、技術基盤、アプリケーションドメイン、およびフィールドのエビデンス要件を定義します。
論文参考訳（メタデータ） (2026-07-28T03:35:47Z)
You Are in Control of Your State: Why Human Outcomes Are Controllable Through Causal State Intervention [1.1470070927586018]
我々は、状態と重み付けを目標とする介入を通じて、人間の成果が正確にかつ操作的な意味で制御可能であることを論じる。テスト可能な7つの予測を導き、ステートアウェアシステムに対する6つの運用要件をリストアップし、デジタルヘルス、教育、AIパーソナライゼーション、パーソナルエージェンシーへの影響について議論する。
論文参考訳（メタデータ） (2026-05-26T18:49:41Z)
From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。 3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
論文参考訳（メタデータ） (2026-05-16T10:45:26Z)
Toward World Modeling of Physiological Signals with Chaos-Theoretic Balancing and Latent Dynamics [11.273542534850506]
我々は多変量生理信号と臨床介入変数の両方を共有潜在空間にエンコードする世界モデルであるNormWear-2を紹介する。我々のアプローチは、事前訓練された知識(直観)からの推論と即時非パラメトリック潜在状態遷移適応(視点)を組み合わせたものである。我々は、異種時間分解能と介入体制にまたがる様々な現実世界の生理的データセットにおける世界モデル性能を評価する。
論文参考訳（メタデータ） (2026-05-14T23:06:15Z)
Simulating clinical interventions with a generative multimodal model of human physiology [49.828582089394445]
HealthFormerは、人間の生理的軌道を生成的にモデル化するデコーダのみのトランスフォーマーである。 7つの領域にまたがる667個の測定値に対して,各被験者の健康軌道をトークン化する。 HealthFormerは、30のインシデント障害および死亡エンドポイントのうち27の予測を改善し、各比較で確立された臨床リスクスコアを超えた。
論文参考訳（メタデータ） (2026-04-30T14:10:30Z)
From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems [51.82266520875928]
この調査では、実行のレベルでアプローチを比較するための統一的な視点として、物理的に制約された実行可能性を紹介します。本稿では,孤立オフラインモデルから協調シミュレーション,オンラインデータによるディジタル双生児の連続実行に至るまで,実行体制の分類について提案する。実行可能性の概念は、なぜ正確性だけで不十分なのかを明確にし、セマンティック・インターオペラビリティ、ハイブリッド・タイムの正確性、評価プロトコル、スケーラブルな同化、安全なクローズドループ検証を中心にしたアジェンダを動機付けている。
論文参考訳（メタデータ） (2026-04-15T07:34:46Z)
From Prediction to Intervention: The Evolution of AI in Biomedicine [67.45502291821956]
バイオメディシンにおけるAIは、構造的移行の段階にあると我々は主張する。我々は、生物学的プロセスの状態、ダイナミクス、介入応答を明確に表すシステムとして、疾患レベルモデルを定義します。バイオメディカルな意思決定の構造から直接従い、医学におけるAIの次の段階を定義する。
論文参考訳（メタデータ） (2026-04-14T17:49:51Z)
Toward World Models for Epidemiology [45.965729493797824]
我々は、計算疫学は世界モデルにとって自然で未発達の環境であると主張している。本研究では,疫学世界モデルの概念的枠組みを導入し,疫病を制御された部分的に観察された動的システムとして定式化する。政策関連推論に明示的な世界モデリングがなぜ必要かを示す3つのケーススタディを示す。
論文参考訳（メタデータ） (2026-04-10T17:39:20Z)
CLARITY: Medical World Model for Guiding Treatment Decisions by Modeling Context-Aware Disease Trajectories in Latent Space [49.74032713886216]
CLARITYは、構造化潜在空間内で直接疾患の進化を予測する医療世界モデルである。時間間隔(時間的文脈)と患者固有のデータ(臨床的文脈)を明確に統合し、スムーズで解釈可能な軌跡として治療条件の進行をモデル化する。
論文参考訳（メタデータ） (2025-12-08T20:42:10Z)
Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文参考訳（メタデータ） (2024-07-28T02:42:36Z)

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。