論文の概要: From Uncertainty to Clinical Risk: Severity-Aware Conformal Planning for Interactive Medical Diagnosis

• arxiv url: http://arxiv.org/abs/2608.27847v1
• Date: Fri, 28 Aug 2026 02:29:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.18435
• Title: From Uncertainty to Clinical Risk: Severity-Aware Conformal Planning for Interactive Medical Diagnosis
• Title（参考訳）: 不確実性から臨床リスクへ:インタラクティブ医療診断のための重症度を考慮したコンフォーマルプランニング
• Abstract要約: インタラクティブな医療診断は、複数の質問ラウンドを通じて患者情報を動的に取得する。 本稿では,リスクに敏感な逐次的意思決定問題としてインタラクティブな診断を定式化する,重度対応型コンフォーマルクリニカルプランニングを提案する。 DDXPlus と MediQ の実験により,複数の言語モデルにまたがる質問が少なく,より正確な診断が可能であった。
• 参考スコア（独自算出の注目度）: 14.026570650446843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interactive medical diagnosis dynamically acquires patient information through multiple rounds of questioning, supporting accurate, efficient, and safe clinical decisions under incomplete evidence. Existing methods commonly guide information acquisition with predictive uncertainty or label ambiguity, but overlook the asymmetric clinical risk of missing severe diseases and lack unified long-horizon planning over whether to continue asking questions or commit to a diagnosis. To address these limitations, we propose Severity-Aware Conformal Clinical Planning, which formulates interactive diagnosis as a risk-sensitive sequential decision problem. The framework maintains complementary diagnostic, safety, and masked-evidence beliefs; calibrates turn-specific diagnostic prediction sets and severity-weighted differential-diagnosis risk on held-out diagnostic trajectories; and introduces the calibrated clinical risk into Monte Carlo Tree Search to jointly evaluate long-horizon Ask and Commit trajectories. Experiments on DDXPlus and MediQ show that our method achieves more accurate diagnoses with fewer questions across multiple large language models, while improving differential-diagnosis quality and reducing high-risk errors in severe cases. These findings validate the value of using clinical risk, rather than predictive uncertainty alone, as a planning signal and demonstrate the effectiveness of the proposed framework for information acquisition and risk-aware diagnostic decision making. They also motivate future work on clinical-risk-oriented interactive diagnosis and information-acquisition methods.
• Abstract（参考訳）: インタラクティブな医療診断は、複数の質問を通じて患者情報を動的に取得し、不完全な証拠の下で正確で効率的で安全な臨床診断を支援する。 既存の方法は、情報取得を予測的不確実性やラベルの曖昧さで導くのが一般的であるが、深刻な疾患の欠如による非対称な臨床リスクと、質問を継続するか、診断にコミットするかという統合された長期計画の欠如を見落としている。 これらの制約に対処するため,リスクに敏感な逐次的意思決定問題として対話的診断を定式化するSeverity-Aware Conformal Clinical Planningを提案する。 このフレームワークは、相補的な診断、安全性、マスクエビデンスの信念を維持し、ターン固有の診断予測セットと、保持された診断軌跡に対する重度重み付き差分診断リスクをカリブレートし、モンテカルロ木探索に校正された臨床リスクを導入し、長期のAskとCommit trajectoriesを共同で評価する。 DDXPlus と MediQ を用いた実験の結果,本手法は複数の大言語モデルにおいてより少ない質問数でより正確な診断が可能であり,鑑別診断精度は向上し,重度の症例では高リスクエラーを低減できることがわかった。 これらの知見は, 予測不確実性のみではなく, 臨床リスクを計画信号として用いることの価値を検証し, 情報取得およびリスク対応診断決定のための枠組みの有効性を実証した。 彼らはまた、臨床リスク指向のインタラクティブ診断と情報取得方法に関する将来の研究を動機付けている。

関連論文リスト

• Medical Model Synthesis Architectures: A Case Study [72.46211022258122]
  現在のAIシステムは、不確実性の下で調整された推論に苦労している。 我々は,不確実性の下で,現実的に有用だが公式に透過的な臨床予測を行うことができるAIシステムのためのフレームワークを提案する。 このフレームワークの最初の概念実証は、どのようにして差分診断に利用できるかを示す。
  論文  参考訳（メタデータ） (2026-05-10T19:30:16Z)
• 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)
• AdURA-Net: Adaptive Uncertainty and Region-Aware Network [0.7771558179849474]
  臨床的意思決定においては、モデルが確実な予測を強制されるべきではないため、不確実なラベルがトリッキーな役割を果たす。 本稿では,高信頼胸部疾患分類のための幾何駆動型適応不確実性認識フレームワークAdURA-Netを提案する。
  論文  参考訳（メタデータ） (2026-02-27T08:56:24Z)
• MedClarify: An information-seeking AI agent for medical diagnosis with case-specific follow-up questions [26.936554184582096]
  我々は,情報探索のためのAIエージェントであるMedClarifyを紹介し,反復推論のためのフォローアップ質問を生成する。 具体的には、MedClarifyは、鑑別診断に類似した候補診断のリストを計算し、積極的にフォローアップ質問を生成する。
  論文  参考訳（メタデータ） (2026-02-19T12:19:12Z)
• 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)
• 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)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• Uncertainty-Aware Large Language Models for Explainable Disease Diagnosis [11.093388930528022]
  ConfiDx(コンフィデックス)は、オープンソースのLLMを微調整し、診断基準で作成した、不確実性を考慮した大規模言語モデル(LLM)である。 タスクを形式化し、さまざまな診断の曖昧さを捉えるリッチな注釈付きデータセットを組み立てました。
  論文  参考訳（メタデータ） (2025-05-06T12:12:48Z)
• Toward an Integrated Decision Making Framework for Optimized Stroke Diagnosis with DSA and Treatment under Uncertainty [0.0]
  DSA (Digital Subtraction Angiography) などの最近の診断法は, 高コストと侵襲性による限界に直面している。 本稿では,部分観測可能なマルコフ決定プロセス(POMDP)フレームワークを用いた新しい手法を提案する。 本モデルは,脳卒中診断における不確かさを考慮に入れた意思決定アルゴリズムと,高度な診断ツールと治療アプローチを統合した。
  論文  参考訳（メタデータ） (2024-07-24T03:01:55Z)
• Uncertainty Quantification in Machine Learning Based Segmentation: A Post-Hoc Approach for Left Ventricle Volume Estimation in MRI [0.0]
  左室容積推定は各種心血管疾患の診断・管理に重要である。 近年の機械学習、特にU-Netのような畳み込みネットワークは、医療画像の自動セグメンテーションを促進している。 本研究では,LV容積予測におけるポストホック不確実性推定のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T13:44:55Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。