論文の概要: Neurosymbolic Alignment for Physiologically-Safe Clinical Language Models

• arxiv url: http://arxiv.org/abs/2608.24534v1
• Date: Tue, 25 Aug 2026 13:20:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.000596
• Title: Neurosymbolic Alignment for Physiologically-Safe Clinical Language Models
• Title（参考訳）: 生理学的に安全な言語モデルのためのニューロシンボリックアライメント
• Abstract要約: 本稿では,HGNNをベースとした生理的世界モデルと7B臨床LLMを併用したトレーニングタイムフレームワークであるNeurosymbolic Alignmentを提案する。 候補者の反応は、ホメオスタティックな制約、マルチホップパスの妥当性、薬物相互作用の罰則を用いて評価される。 臨床安全ベンチマーク(CSB: Clinical Safety Benchmark)は、遺伝子的臨床推論における生理的制約違反に対する2500-scenarioベンチマークである。
• 参考スコア（独自算出の注目度）: 34.30791848883716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical LLMs can generate recommendations that are factually plausible yet physiologically unsafe. We investigate whether safety alignment can be improved by grounding preference optimization in structured physiological knowledge rather than text-only supervision. Methods: We propose Neurosymbolic Alignment, a training-time framework that couples a 7B clinical LLM with an HGNN-based Physiological World Model over an 847K-node biomedical knowledge graph. Candidate responses are scored using homeostatic constraints, multi-hop path plausibility, and drug-interaction penalties, and the resulting rankings drive iterative on-policy ORPO updates. Evaluation is performed on the Clinical Safety Benchmark (CSB), a 2,500-scenario benchmark for physiological constraint violations in generative clinical reasoning. Results: Relative to ORPO, the proposed method improves CSS from 69.5% to 90.8% (+21.3 pp), reduces physician-evaluated HR from 14.1% to 5.1% on the blinded subset, and improves DID from 72.8% to 91.6%. These gains are corroborated by an HGNN-independent Rule-Engine Safety Score (RSS: 86.4%, +21.2 pp over ORPO; r=0.97 concordance with CSS). The method also exceeds GPT-4 (5-shot) on all safety metrics despite a 10x parameter disadvantage, and outperforms an inference-time self-correction pipeline (SFT+SelfCorrect) by 11.4 pp CSS. Under synthetic EHR-style noise, 84.2% CSS is retained. Ablation analysis shows that HGNN scoring (-16.2 pp) and iterative training (-11.5 pp) are the dominant contributors. PhysioScore calibration against 200 clinician labels yielded ECE = 0.038 and kappa = 0.91. Conclusion: Training-time physiological grounding produces measurable and independently verifiable safety improvements in open-weight clinical LLMs under controlled evaluation. External validation on real clinical data is required to determine whether these gains transfer to deployment settings
• Abstract（参考訳）: 臨床LSMは、実際は妥当だが生理学的に安全でないレコメンデーションを生成することができる。 本研究は、テキストのみの監督よりも、構造化された生理的知識の嗜好最適化を基礎にすることで、安全アライメントを改善することができるかどうかを考察する。 方法:847Kノードのバイオメディカル知識グラフ上に,HGNNをベースとした生理的世界モデルと7B臨床LLMを結合する訓練時間フレームワークであるNeurosymbolic Alignmentを提案する。 候補者の反応は、ホメオスタティックな制約、マルチホップパスの可視性、薬物相互作用の罰則を用いて評価され、その結果のランク付けは、政治上のORPO更新を反復的に進める。 臨床安全ベンチマーク(CSB: Clinical Safety Benchmark)は、遺伝子的臨床推論における生理的制約違反に対する2500-scenarioベンチマークである。 結果:ORPOと比較して、提案手法はCSSを69.5%から90.8%(+21.3pp)に改善し、医師評価HRを14.1%から5.1%に減らし、DIDを72.8%から91.6%に改善する。 これらの利得は、HGNNに依存しないルールエンジン安全スコア(RSS: 86.4%, +21.2 pp over ORPO; r=0.97 with CSS)によって裏付けられている。 この方法は、パラメータが10倍のにもかかわらず、すべての安全基準でGPT-4(5ショット)を超え、推論時自己補正パイプライン(SFT+SelfCorrect)を11.4ppCSSで上回っている。 合成EHRスタイルのノイズの下では、84.2%のCSSが保持されている。 アブレーション分析により、HGNNスコア (-16.2 pp) と反復トレーニング (-11.5 pp) が主要な貢献者であることが示された。 臨床検査ではECE=0.038、Kappa=0.91であった。 結論: 訓練時の生理的接地は, コントロールされた評価下において, オープンウェイト臨床用LDMにおいて, 測定可能かつ独立に検証可能な安全性の向上をもたらす。 実際の臨床データに対する外部的検証は、これらがデプロイメント設定への転送を得るかどうかを判断するために必要である

関連論文リスト

• Improving O-RADS Risk Stratification from Ultrasound Reports: A Comparative Evaluation of Hybrid versus End-to-End LLM Reasoning Strategies [17.85382282659117]
  ORADS(OvarianAd Reportingal and Data Fable System)分類における大規模言語モデル(LLM)の性能と推論戦略を比較した。 機能ベースのハイブリッドアーキテクチャは、ほぼ最高の性能を示し、99.2%の精度(390の387)と参照標準との一致を実現した。
  論文  参考訳（メタデータ） (2026-08-24T10:04:17Z)
• Answer Engineering: Local Trajectory Editing for Protocol-Constrained Decision Making in Large Language Models [0.00304396936267654]
  大規模言語モデルは、手続き的コンプライアンスが重要である領域において、自信はあるがプロトコル非有意義な答えを生み出すことができる。 本稿では,決定論的ランタイムおよびオーサリング層であるAnswer Engineeringについて述べる。 本手法は,突発性感音難聴に対する臨床評価基準を用いて評価した。
  論文  参考訳（メタデータ） (2026-06-19T05:47:44Z)
• A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
  a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。 臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
  論文  参考訳（メタデータ） (2026-05-06T07:44:39Z)
• A Neuro-Symbolic System for Interpretable Multimodal Physiological Signals Integration in Human Fatigue Detection [3.430778683859764]
  眼球運動動態,視線安定性,前頭前血行動態,マルチモーダルの4つの解釈可能な生理的概念を,視線追跡と神経血行動態,機能的近赤外分光,注意に基づくエンコーダを用いたFNIRSウィンドウから学習し,学習重量とソフトしきい値を用いた近似的推論規則と組み合わせた。 本システムは, 正確かつ解釈可能なモデルを必要とする領域であるマルチモーダル生理信号からの疲労分類に応用する。
  論文  参考訳（メタデータ） (2026-03-25T14:41:02Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• Automated Rubrics for Reliable Evaluation of Medical Dialogue Systems [19.880569341968023]
  大規模言語モデル(LLM)は、幻覚や安全でない提案が患者の安全に直接的なリスクをもたらすという、臨床的な意思決定支援にますます利用されている。 本稿では,インスタンス固有の評価ルーリックの自動生成を目的とした検索拡張型マルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-21T16:40:41Z)
• 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)
• Early Prediction of Multi-Label Care Escalation Triggers in the Intensive Care Unit Using Electronic Health Records [1.116791976498254]
  本研究では、ケアエスカレーショントリガー(CET)を予測するマルチラベル分類フレームワークを提案する。 CETは、24時間から72時間のデータに適用されるルールベースの基準を用いて定義される。 我々は85,242 ICUのコーホートで複数の分類モデルを訓練し,評価した。
  論文  参考訳（メタデータ） (2025-09-15T20:40:45Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• A Modular Approach for Clinical SLMs Driven by Synthetic Data with Pre-Instruction Tuning, Model Merging, and Clinical-Tasks Alignment [46.776978552161395]
  小型言語モデル(SLM)は、GPT-4のような大規模言語モデルに代わる費用対効果を提供する。 SLMは費用対効果のある代替手段を提供するが、その限られた能力は生物医学的な領域適応を必要とする。 本研究では,SLMを高性能な臨床モデルに適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T21:40:21Z)

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。