Fugu-MT 論文翻訳(概要): EviDx: Evidence-Aware Active Diagnosis with Scaffolded LLM Agents

論文の概要: EviDx: Evidence-Aware Active Diagnosis with Scaffolded LLM Agents

arxiv url: http://arxiv.org/abs/2608.24570v1
Date: Tue, 25 Aug 2026 13:54:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-26 14:09:35.008954
Title: EviDx: Evidence-Aware Active Diagnosis with Scaffolded LLM Agents
Title（参考訳）: EviDx:Scaffolded LLM Agentsを用いたエビデンス対応能動的診断
Abstract要約: 我々はエビデンスを意識したアクティブ診断フレームワークであるEviDxを紹介する。患者固有の診断環境と、臨床診断の足場と、観察者向けランタイムハーネスを組み合わせます。 EviDxは、モデルに依存した機能境界を明らかにしながら、診断性能とプロセス安定性を改善する。
参考スコア（独自算出の注目度）: 13.21048121687754
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Clinical diagnosis is an active evidence-seeking process in which clinicians acquire evidence, update competing hypotheses, and decide when the available evidence is sufficient for diagnosis. Yet many medical diagnosis systems built around large language models (LLMs) still formulate diagnosis as static case-to-answer prediction, with limited support for evidence acquisition. Agentic LLMs offer a dynamic alternative through tool use and intermediate diagnostic trajectories, but existing systems often under-specify how patient evidence should be exposed, scaffolded, and controlled at runtime. We introduce EviDx, an evidence-aware active diagnosis framework that pairs patient-specific diagnostic environments with a clinical diagnostic scaffold and an observer-guided runtime harness. In EviDx, $\mathcal{E}$-Synthesis constructs interactive environments from raw clinical cases; the scaffold organizes role-specialized agents, evidence tools, and evolving evidence states; and the harness regulates diagnostic termination by tracking uncertainty and evidence coverage. A 3-level evaluation pyramid assesses execution robustness, reasoning dynamics, and diagnostic outcomes. Experiments show that EviDx improves diagnostic performance and process stability while revealing model-dependent capability boundaries.
Abstract（参考訳）: 臨床診断は、臨床医が証拠を取得し、競合する仮説を更新し、診断に十分な証拠があるかどうかを判断する活発なエビデンス探索プロセスである。しかし、大規模言語モデル(LLM)を中心に構築された多くの医療診断システムは、証拠取得を限定して静的ケース・ツー・アンサー予測として診断を定式化している。エージェントLSMは、ツールの使用と中間診断トラジェクトリによる動的代替手段を提供するが、既存のシステムは、実行時にどのように患者の証拠を露出、足場化、制御するかを過小評価することが多い。 EviDxは,患者固有の診断環境と臨床診断用足場,および観察者誘導型ランタイムハーネスを組み合わせたエビデンス対応能動的診断フレームワークである。 EviDxでは、$\mathcal{E}$-Synthesisは生の臨床症例からインタラクティブな環境を構築し、足場は役割特定されたエージェント、エビデンスツール、進化するエビデンスステートを組織し、ハーネスは不確実性とエビデンスカバレッジを追跡することによって診断終了を制御する。 3レベル評価ピラミッドは、実行の堅牢性、推論ダイナミクス、診断結果を評価する。実験によると、EviDxはモデルに依存した機能境界を明らかにしながら、診断性能とプロセス安定性を向上させる。

関連論文リスト

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)
MultiDx: A Multi-Source Knowledge Integration Framework towards Diagnostic Reasoning [66.94527468532843]
2段階の診断推論フレームワークであるMultiDxを提案する。まず Web 検索,SOAP 形式の症例,臨床症例データベースから知識を活用することにより,疑わしい診断と推論経路を生成する。そして、マッチング、投票、および差分診断を通じて、複数のパースペクティブエビデンスを統合し、最終的な予測を生成する。
論文参考訳（メタデータ） (2026-04-27T08:46:29Z)
Uncertainty-Guided Latent Diagnostic Trajectory Learning for Sequential Clinical Diagnosis [30.87842656331004]
臨床診断には、不確実性の下でのシーケンシャルな証拠取得が必要である。ほとんどのLarge Language Model (LLM) ベースの診断システムは、完全に観察された患者情報を前提としている。我々は、遅延診断軌道学習フレームワークとしてシーケンシャル診断を定式化する。
論文参考訳（メタデータ） (2026-04-06T19:21:56Z)
Improving Clinical Diagnosis with Counterfactual Multi-Agent Reasoning [16.709358805587506]
臨床診断は、臨床医が証拠を集め、仮説を定め、代替的な説明に対してそれらをテストする複雑な推論プロセスである。本稿では, 仮説テストの明確化とエビデンス・グラウンド化を図った臨床研修に触発された, 対物的マルチエージェント診断フレームワークを提案する。
論文参考訳（メタデータ） (2026-03-29T19:14:26Z)
MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus [24.19892707167392]
臨床診断のための既存のAIアプローチは、透明性、構造化推論、デプロイ性に欠けることが多い。標準化された異常所見から診断仮説を生成するエンド・ツー・エンドのフレームワークであるMedCoRAGを提案する。その後、UMLS知識グラフパスと臨床ガイドラインを共同で検索し、解析することで、患者固有のエビデンスパッケージを構築する。
論文参考訳（メタデータ） (2026-03-05T12:58:45Z)
CXReasonAgent: Evidence-Grounded Diagnostic Reasoning Agent for Chest X-rays [16.09644321057171]
胸部X線は胸部診断において中心的な役割を担い、その解釈は本質的に多段階の根拠に基づく推論を必要とする。大規模視覚言語モデル(LVLM)は、診断的証拠に忠実に基づかない、もっともらしい応答を生成する。本稿では,CXReasonAgentについて紹介する。CXReasonAgentは,大規模言語モデルと臨床診断ツールを統合した診断剤である。
論文参考訳（メタデータ） (2026-02-26T17:51:21Z)
ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
論文参考訳（メタデータ） (2025-12-29T12:58:58Z)
CXRAgent: Director-Orchestrated Multi-Stage Reasoning for Chest X-Ray Interpretation [62.0150409256153]
我々は、CXR解釈のためのディレクター調整型多段階エージェントであるCXRAgentを提案する。エージェントは、Evidence-driven Validatorによって正規化され検証された出力を持つ一連のCXR分析ツールを戦略的にオーケストレーションする。様々なCXR解釈タスクの実験は、CXRAgentが強いパフォーマンスを示し、視覚的証拠を提供し、異なる複雑さの臨床的タスクにうまく一般化していることを示している。
論文参考訳（メタデータ） (2025-10-24T10:31:30Z)
Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
論文参考訳（メタデータ） (2025-10-21T18:10:45Z)
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)
End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。 Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
論文参考訳（メタデータ） (2025-08-21T17:42:47Z)

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。