論文の概要: Generating Clinical Vignettes that Preserve Cognitive Formulations
- arxiv url: http://arxiv.org/abs/2608.29995v1
- Date: Sun, 30 Aug 2026 19:40:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.143394
- Title: Generating Clinical Vignettes that Preserve Cognitive Formulations
- Title（参考訳）: 認知的定式化を保存する臨床ヴィグネットの生成
- Abstract要約: Ehlers と Clark の認知モデルを用いて, 外傷後ストレス障害における FORMA のインスタンス化を行う。
我々は,500個のペルソナ,11世代モデル,および3つのアブレーション条件に対して16,500個のウィグレットを生成する。
専門家は、フルヴィグネットをゼロショットの代替品よりもかなり高く評価し、臨床医は、その時間の85%が人間によって書かれたものだと認識している。
- 参考スコア（独自算出の注目度）: 0.715882580477032
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models can generate fluent clinical case vignettes, but fluency alone does not ensure fidelity to a specifiable clinical structure. We introduce FORMA, a theory-grounded framework that compiles a cognitive model of a disorder into a directed weighted graph, samples a person-specific configuration of that graph, and validates whether the generated vignette preserves the specified components and causal links. We instantiate FORMA on Posttraumatic Stress Disorder using the Ehlers and Clark cognitive model, generating 16,500 vignettes across 500 personas, 11 generation models, and three ablation conditions. Evaluation combines an external edge-recovery probe, two clinical experts, a scaled LLM judge, and a clinician user study with 100 licensed practitioners. The cognitive graph is recoverable from full-condition vignettes (MCC = +0.41, AUC = 0.70) but not from zero-shot generation (MCC = +0.01, AUC = 0.50). Experts rate full vignettes substantially higher than zero-shot alternatives, and clinicians perceive them to be human-written 85% of the time, compared with 22% for zero-shot. FORMA also reduces demographic disparity in perceived quality by 1.5-7x. These results show that cognitive formulation can serve as an auditable specification for scalable synthetic clinical text generation. A repository with the data and code is available online: https://github.com/Amit-Oren/FORMA.
- Abstract（参考訳）: 大規模な言語モデルでは、流動性のある臨床症例のヴィグネットを生成することができるが、頻度だけでは、特定された臨床構造に対する忠実さを保証できない。
我々は、障害の認知モデルを重み付きグラフにコンパイルし、そのグラフの個人固有の構成をサンプリングし、生成したウィグレットが指定されたコンポーネントと因果リンクを保存しているかどうかを検証する理論基盤フレームワークであるFOMAを紹介した。
Ehlers と Clark の認知モデルを用いて, 外傷後ストレス障害に対する FORMA のインスタンス化を行い, 500 個のペルソナ, 11 世代モデル, 3 つのアブレーション条件で16,500 個のビグネットを生成した。
評価には、外部のエッジ回復プローブ、臨床専門家2人、スケールしたLSM審査員、臨床ユーザスタディを100名の認定医と組み合わせる。
認知グラフはフル条件ヴィグネット(MCC = +0.41, AUC = 0.70)から回復できるが、ゼロショット生成(MCC = +0.01, AUC = 0.50)からは回復できない。
専門家はフルヴィグネットをゼロショットの代替品よりもかなり高く評価し、臨床医はゼロショットの22%に比べて85%が人間書きだと認識している。
FORMAはまた、知覚品質における人口格差を1.5-7倍に減らす。
これらの結果から,認知的定式化は,スケーラブルな臨床テキスト生成のための監査可能な仕様として機能することが示唆された。
https://github.com/Amit-Oren/FORMA.com/ https://github.com/Amit-Oren/FORMA.com/ で、データとコードを備えたリポジトリがオンラインで公開されている。
関連論文リスト
- CareGraph: An Auditable Hybrid AI Framework for Evidence-Grounded Personalized Longitudinal Health Intelligence [0.0]
CareGraphは、診断、結果の予測、治療の選択、または自律的な臨床決定をせずに証拠を整理する。
テストでは、開発、バリデーション、ホールドアウトのために、400人の患者による合成コホートを使用した。
CareGraphは、インテリジェントなパーソナライズされたヘルスシステムのための安全なバウンド基盤を提供する。
論文 参考訳（メタデータ） (2026-08-25T20:03:52Z) - Parameter-Efficient VLMs for Gastrointestinal Endoscopy: Medical Image Generation and Clinical Visual Question Answering [3.7117716372644693]
本稿では,医療用視覚質問応答(VQA)とプライバシ保存合成データの生成に対処する二重パイプラインPEFTモデルを提案する。
低ランク適応(LoRA)と安定拡散(Stable Diffusion)2.1を併用して,患者のプライバシを侵害することなく,トレーニングデータベースを強化した高品質なGI画像を生成する。
論文 参考訳（メタデータ） (2026-05-24T00:33:54Z) - From Pixels to Explanations: Interpretable Diabetic Retinopathy Grading with CNN-Transformer Ensembles, Visual Explainability and Vision-Language Models [7.782282985072339]
本研究では,強い識別モデルとマルチモーダルな説明を組み合わせた方法論を提案する。
そこで我々はGrad-CAM++の視覚属性マップと短いテキスト論理式を作成した。
説明の質のために、Grad-CAM++は可塑性だが粗いローカライゼーションを提供し、VLMの合理性は概してグレード一貫性がある。
論文 参考訳（メタデータ） (2026-04-25T00:21:11Z) - Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data [42.305152571036786]
頚部ジストニア(Cervical dystonia、CD)は、ジストニアの最も一般的な形態である。
現在の評価はトロント・ウェスタン・スパモディック・トーチコリス・レーティング・スケール(TWSTRS)のような主観的臨床評価尺度に依存している。
本研究では、16,000枚の合成アバター画像にのみ訓練された深層学習モデルと、事前訓練した頭部位置推定アルゴリズムを組み合わせた評価ツールを開発した。
論文 参考訳（メタデータ） (2026-03-27T14:12:41Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - Fine-Tune, Don't Prompt, Your Language Model to Identify Biased Language in Clinical Notes [31.925112343488976]
臨床的ドキュメンテーションには、感情に満ちた言語が含まれ、無効化や特権化が可能である。
このような言語を検知し分類するためのフレームワークを提案する。
語彙素数入力による微調整は、常にプロンプトアプローチよりも優れていた。
論文 参考訳（メタデータ） (2026-02-16T22:39:28Z) - One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。
われわれはこの枠組みを4つの稀な病理から検証した。
これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
論文 参考訳（メタデータ） (2025-12-30T15:07:09Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - RadAlign: Advancing Radiology Report Generation with Vision-Language Concept Alignment [10.67889367763112]
RadAlignは、視覚言語モデルの予測精度と大きな言語モデルの推論能力を組み合わせた、新しいフレームワークである。
本フレームワークは, 幻覚の低減, 自動医用画像の進歩, 予測AIと生成AIの統合による報告分析を両立させながら, 強力な臨床解釈可能性を維持している。
論文 参考訳（メタデータ） (2025-01-13T17:55:32Z) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳（メタデータ） (2023-08-17T20:40:30Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳（メタデータ） (2022-06-04T13:16:30Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z)
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。