論文の概要: CDPR: Counterfactual Advantage-based Credit Assignment for Cost-Aware Sequential Medical Diagnosis

• arxiv url: http://arxiv.org/abs/2608.28599v1
• Date: Sat, 27 Jun 2026 05:12:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.39677
• Title: CDPR: Counterfactual Advantage-based Credit Assignment for Cost-Aware Sequential Medical Diagnosis
• Title（参考訳）: CDPR : 費用対効果に基づく経時的医療診断のためのクレジットアサインメント
• Abstract要約: 我々は、診断をコストを意識したシーケンシャルな意思決定プロセスとしてモデル化する。 本稿では,CDPR (Counterfactual Diagnostic Process Reward) を提案する。
• 参考スコア（独自算出の注目度）: 28.56605391853806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clinical diagnosis is a step-by-step, cost-aware process: a physician orders examinations one at a time, observes the results, and updates the diagnosis before reaching a final conclusion. Most medical language models instead treat diagnosis as a one-pass classification task and ignore the trade-off between a test's value and its cost. We model diagnosis as a cost-aware sequential decision process and train the policy with reinforcement learning. The main difficulty is credit assignment: the only reliable signal comes once at the end of a long trajectory, so it scores a wasteful workup the same as an efficient one. We propose CDPR (Counterfactual Diagnostic Process Reward), which needs no expert labels and no learned critic. CDPR first finds the states where the policy hesitates, using the uncertainty of its action distribution, and then scores the chosen action by its advantage over the alternatives the policy itself would consider, estimated with short rollouts under a utility that balances correctness against test count, cost, and infeasible requests. A rollout cache reuses within-batch trajectories to keep the cost low. We integrate CDPR into GRPO and test it on one in-domain (MIMIC-IV) and two out-of-domain (ClinicalBench and a private hospital dataset) benchmarks. CDPR improves diagnostic accuracy while clearly reducing the number and cost of examinations.
• Abstract（参考訳）: 臨床診断はステップバイステップでコストを意識したプロセスであり、医師は検査を1回ずつ発注し、結果を観察し、最終結論に達する前に診断を更新する。 ほとんどの医療言語モデルは、診断を1パスの分類タスクとして扱い、テストの価値とコストの間のトレードオフを無視します。 我々は、診断をコスト対応シーケンシャルな意思決定プロセスとしてモデル化し、強化学習でポリシーを訓練する。 唯一の信頼できる信号は、長い軌道の終わりに1度だけ来るので、無駄な作業量と効率的な作業量とをスコアする。 本稿では,CDPR (Counterfactual Diagnostic Process Reward) を提案する。 CDPRはまず、その行動分布の不確実性を利用し、次に選択された行動が、その政策自体が考慮する代替手段よりも有利であると評価し、テスト数、コスト、実行不可能な要求に対する正しさのバランスをとるユーティリティの下で、短いロールアウトで見積もる。 ロールアウトキャッシュは、コストを低く抑えるためにバッチ内のトラジェクトリを再利用する。 私たちはCDPRをGRPOに統合し、1つのドメイン内(MIMIC-IV)と2つのドメイン外(ClinicalBenchとプライベート病院データセット)でテストします。 CDPRは診断精度を向上し、検査の数とコストを明確に削減する。

関連論文リスト

• SDM-Q: Cost-Aware Staged Decision-Making for Multi-Omics Classification with Deep Q-Learning [11.225104702367693]
  適応型・コスト対応型マルチオミクス分類のための強化学習フレームワークであるSDM-Qを提案する。 また,SDM-Qは,競合的分類性能を維持しつつ,冗長なモダリティ獲得を効果的に抑制することを示した。
  論文  参考訳（メタデータ） (2026-05-29T08:47:51Z)
• 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)
• Optimizing Point-of-Care Ultrasound Video Acquisition for Probabilistic Multi-Task Heart Failure Detection [3.5617951813421818]
  本稿では、RLエージェントが次のビューを選択して取得を終了するパーソナライズされたデータ取得戦略を提案する。 終了時,診断モデルは大動脈狭窄(AS)重症度と左室放出率(LVEF)を同時予測する 本手法は32%の動画を用いて,AS重度分類とLVEF推定における平均平衡精度(bACC)を77.2%達成し,フルスタディ性能と一致した。
  論文  参考訳（メタデータ） (2026-02-14T07:56:21Z)
• Closing Reasoning Gaps in Clinical Agents with Differential Reasoning Learning [16.144050164828794]
  本稿では, 臨床薬品の理性差を学習し, 臨床薬品の改善を図るためのフレームワークDRLを提案する。 DRLは、有向非巡回グラフ(DAG)として推論グラフを抽出し、臨床重み付きグラフ編集距離(GED)に基づく不一致解析を行う。 推論では、エージェントプロンプトを増強し、可能性のあるロジックギャップをパッチするために、トップ$k$命令を検索します。
  論文  参考訳（メタデータ） (2026-02-10T16:29:32Z)
• 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)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Deep Reinforcement Learning for Cost-Effective Medical Diagnosis [41.10546022107126]
  強化学習を用いて、以前の観測結果に基づいて順次実験室のテストパネルを選択する動的ポリシーを探索する。 エンド・ツー・エンドのトレーニングやオンライン学習と互換性のあるセミモデルに基づく深層診断ポリシー最適化フレームワークを提案する。 SM-DDPOは、フェリチン異常検出、敗血症死亡予測、急性腎障害の診断など、様々な臨床的タスクでテストされている。
  論文  参考訳（メタデータ） (2023-02-20T19:47:25Z)
• Peri-Diagnostic Decision Support Through Cost-Efficient Feature Acquisition at Test-Time [37.160335232396406]
  CADxのサブプロブレムは、取得段階を含む、周辺診断ワークフロー全体を通して医師を導くことである。 本稿では,入力層でのドロップアウトと,テスト時にトレーニングネットワークの統合勾配を動的に考慮し,特徴量の重要性を評価できる新しいアプローチを提案する。 その結果,提案手法は従来手法よりもコスト効率が高く,全体の精度も高いことがわかった。
  論文  参考訳（メタデータ） (2020-03-31T12:00:44Z)

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。