論文の概要: Search Broadly, Seek Evidence on Both Sides, Decide Narrowly: Evidence-Admissible GraphRAG for Longitudinal Clinical Event Verification

• arxiv url: http://arxiv.org/abs/2608.22062v1
• Date: Sat, 22 Aug 2026 18:06:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.577634
• Title: Search Broadly, Seek Evidence on Both Sides, Decide Narrowly: Evidence-Admissible GraphRAG for Longitudinal Clinical Event Verification
• Title（参考訳）: 広義検索, 両側面の証拠検索, 狭義決定: 長期臨床イベント検証のための証拠対応グラフRAG
• Abstract要約: MedEventGraph-RAGは、患者固有のグラフにおけるイベントの発生を表す。 それぞれの発生を、構造化された行、ノートスパン、タイムスタンプ、数値的な軌跡など、ソースエビデンスにリンクする。 78.6、67.3、96.8のバランスの取れた精度を実現している。
• 参考スコア（独自算出の注目度）: 1.7036285507547653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Longitudinal clinical event-relation verification determines whether a patient record supports a specified relation among two or more clinical events. This task is challenging because evidence is distributed across structured records, notes, laboratory trajectories, encounters, and time, while negation, temporal mismatch, repeated documentation, and conflicting findings can make retrieved information appear relevant without establishing the relation. We present MedEventGraph-RAG, an evidence-admissible framework that represents event occurrences in a patient-specific graph and links each occurrence to source evidence, including structured rows, note spans, timestamps, and numerical trajectories. Given a verification query specifying events, relation, and clinical scope, the graph guides discovery of candidate event chains and retrieves evidence from both supporting and contradicting sides. A query-specific evidence contract filters information by patient identity, scope, occurrence binding, and source traceability before a separate assessor determines supported, conflicting, refuted, or insufficient outcomes. Across ten protocols on i2b2, n2c2, MIMIC-IV, and LUNGUAGE, MedEventGraph-RAG achieves balanced accuracies of 78.6, 67.3, and 96.8 on temporal, medication-adverse-event, and recorded-order verification, improving over the strongest matched baselines by 26.9, 4.9, and 30.4 points. Under evidence masking, it reaches 92.2 balanced accuracy with no false-support predictions. When intermediate events are hidden, it recovers complete source-traceable event chains in 57.9% of i2b2 and 70.0% of LUNGUAGE cases. These results show that separating broad evidence discovery from narrow evidence-admissible assessment improves longitudinal clinical verification and reduces unsupported conclusions.
• Abstract（参考訳）: 長期臨床イベント関連検証は、患者記録が2つ以上の臨床イベントの特定の関係を支持するかどうかを決定する。 この課題は、証拠が構造化されたレコード、ノート、実験室の軌跡、出会い、時間に分散されているのに対して、否定、時間的ミスマッチ、反復的なドキュメント、矛盾する発見は、関係を確立せずに検索された情報を関連付けることができるため、困難である。 MedEventGraph-RAGは患者固有のグラフで発生した事象を表すエビデンス対応のフレームワークで、各事象を、構造化された行、ノートスパン、タイムスタンプ、数値的な軌跡を含むソースエビデンスにリンクする。 事象、関係、臨床範囲を特定する検証クエリが与えられたグラフは、候補イベントチェーンの発見をガイドし、支持側と矛盾側の両方から証拠を検索する。 クエリ固有のエビデンス契約は、別個の評価器が支持、矛盾、反証、または不十分な結果を決定する前に、患者のアイデンティティ、スコープ、発生バインディング、およびソーストレーサビリティによって情報をフィルタリングする。 i2b2, n2c2, MIMIC-IV, LUNGUAGE 上の10個のプロトコルで、MedEventGraph-RAG は、時間、薬品、および記録順序の検証において78.6, 67.3, 96.8のバランスの取れたアキュラシーを達成し、26.9, 4.9, 30.4の最強の基準線よりも改善している。 証拠隠蔽では、92.2の精度に達し、誤った支持予測はない。 中間イベントが隠された場合、i2b2の57.9%とLUNGUAGEの70.0%で完全なソース追跡可能なイベントチェーンを回復する。 これらの結果から, 広範囲な証拠発見と狭義の証拠許容評価を分離することで, 長期的臨床検証が向上し, 結論が下方修正されることが示唆された。

関連論文リスト

• MedTRACE: Tool-Augmented Multimodal Clinical Reasoning Agents for Evidence-Grounded Decision-Making [13.499477476787602]
  本稿では,エビデンスに基づく意思決定のための多モード臨床推論剤であるMedTRACEについて述べる。 視覚的グラウンドディング、エビデンス検索、構造化解析ツールを動的に起動し、診断関連領域を特定する。 証拠の裏付け、聴取可能な推論の痕跡、信頼性の校正などと共に診断を行う。
  論文  参考訳（メタデータ） (2026-09-13T22:32:49Z)
• STRIVE: Multi-Agent Structured Temporal Reasoning with Integrated Verification for Longitudinal Radiology Report Generation [16.079764988150306]
  STRIVEは、臨床推論を専門的な診断、属性、時間変化剤に分解する。 経時的MIMICでは, STRIVEが近年の方法の中で最も有効である。
  論文  参考訳（メタデータ） (2026-08-25T08:43:15Z)
• CDEG: Learning Decision-Critical Evidence for Long-Horizon Diagnostic Agents [22.127709881036548]
  筆者らは,過去の診断軌跡から再利用可能な決定クリティカルな証拠を学習するグラフベースのフレームワークCDEGを紹介する。 我々はCDEGが診断性能を継続的に改善し、バニラ剤よりも11.5%の精度向上を実現していることを示す。
  論文  参考訳（メタデータ） (2026-08-24T07:30:22Z)
• HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
  我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。 HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。 報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-27T23:50:46Z)
• MedDDC-Eval: Diagnosis-Decoupled Evaluation of Multi-Turn Medical Consultation Agents [4.184241883998287]
  MedDDC-Evalは, 既往の症例に比較して, 診断非結合性評価ベッドである。 フリーズされた共有診断読影器は、すべてのポリシーで満たされた履歴に適用される。 診断支援、情報取得、効率を報告している。
  論文  参考訳（メタデータ） (2026-07-21T11:32:41Z)
• DRNOISE: Benchmarking Deep Research Agents in Misleading Evidence Environments [51.049999642138]
  誤解を招く証拠の下で、回答回復のための100タスクのベンチマークであるDRNOISEを紹介する。 それぞれのタスクは、2つの間接的レコードチェーンが支持する固有の金の答えを持ち、ペアのノイズ条件は競合する答えを直接記述する1つのもっともらしい文書を付加する。 強いクリーンタスク性能を持つエージェント全体で、この単一の介入は66-88ポイントの精度低下を引き起こす。
  論文  参考訳（メタデータ） (2026-07-19T15:20:40Z)
• Checkup2Action: A Multimodal Clinical Check-up Report Dataset for Patient-Oriented Action Card Generation [33.09776300622938]
  textbfCheckup2Action, a multimodal clinical check-up report dataset and benchmark for structured textitAction Card generation。 このデータセットには、人口統計情報、身体検査、実験室のテスト、心臓血管アセスメント、画像関連エビデンスを含む2,000の未確認の現実世界のチェックアップレポートが含まれている。 我々は、制約付き構造化された生成タスクとしてチェックアップ・ツー・アクションの生成を定式化し、課題のカバレッジと精度、優先順位の整合性、部門と時間の推奨精度、アクションの複雑さ、有用性、可読性、安全コンプライアンスを網羅する評価プロトコルを導入する。
  論文  参考訳（メタデータ） (2026-05-12T04:58:23Z)
• Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
  汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。 本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。 675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
  論文  参考訳（メタデータ） (2026-04-29T17:59:28Z)
• Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
  大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。 1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。 診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
  論文  参考訳（メタデータ） (2026-04-06T00:23:10Z)
• MedEinst: Benchmarking the Einstellung Effect in Medical LLMs through Counterfactual Differential Diagnosis [13.241795322837861]
  MedEinstは,49の疾患に5,383対の臨床症例を比較検討した。 バイアストラップ速度による感受性の測定-正確な診断制御にもかかわらず、誤診断トラップの確率について検討する。
  論文  参考訳（メタデータ） (2026-01-10T17:39:25Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Granger Causal Chain Discovery for Sepsis-Associated Derangements via Continuous-Time Hawkes Processes [10.410454851418548]
  拡張性のある2相勾配法を開発し,最大サロゲート形状推定値を求める。 本手法はアトランタのグレーディ病院に入院した患者のデータに拡張され,GCグラフでは敗血症に先行するいくつかの高度に解釈可能なGC鎖を同定した。
  論文  参考訳（メタデータ） (2022-09-09T18:21:30Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。