論文の概要: VERGE: Verification-Enhanced Refinement for Grounded Extraction of Early-Onset Colorectal Cancer Symptoms in Clinical Notes
- arxiv url: http://arxiv.org/abs/2609.04366v1
- Date: Thu, 03 Sep 2026 18:25:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.791575
- Title: VERGE: Verification-Enhanced Refinement for Grounded Extraction of Early-Onset Colorectal Cancer Symptoms in Clinical Notes
- Title（参考訳）: VERGE : 早期発症大腸癌症状の接地抽出のための臨床ノートによる検証強化
- Abstract要約: 早期発症の大腸癌は若年者で増加傾向にある。
この年齢集団のレッドフラッグ症状には、フォローアップテストのためのエビデンスベースのガイドラインがない。
- 参考スコア（独自算出の注目度）: 0.35232085374661287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early-onset colorectal cancer is increasing among younger adults, yet red-flag symptoms in this age group have no evidence-based guidelines for follow-up testing, and structured encounter data do not capture the detail needed to support early detection and inform follow-up, including symptom duration, context, and fam- ily history, an established colorectal-cancer risk factor. This study aimed to develop and evaluate an automated method for extracting six red-flag symptoms and family-history risk status from free-text clinical notes. We developed VERGE, an agentic workflow in which an initial label and evidence are proposed using retrieval-augmented generation, then passed through a bounded verification- refinement cycle that checks textual grounding and clinical validity, corrects and rechecks a claim until resolved or a limit is reached, and escalates unresolved claims for human review. VERGE was evaluated on 4,033 clinician-labeled note-finding pairs against a single-agent baseline, a rule-based clinical language-processing baseline, and an alternative underlying language model. Compared with the single-agent baseline, VERGE reduced false positive find- ings, improving precision from 0.764 to 0.849 and MCC from 0.681 to 0.730, a balanced gain across the precision-recall trade-off, and resolved most flagged errors autonomously, with human review required for only 1.5 percent of claims. These results indicate that a bounded, verification-based workflow can reduce unnecessary positive findings without sacrificing the ability to detect true ones. This approach offers a path toward more reliable and trustworthy clinical language-processing tools to support colorectal cancer risk assessment in younger patients.
- Abstract（参考訳）: 早期発症の大腸癌は若年者の間で増加しているが、この年齢層における赤毛の症状は、追跡検査のための証拠に基づくガイドラインがなく、構造化された遭遇データは、症状の持続時間、文脈、ファム・イリー・ヒストリー、確立された大腸癌・がんリスクファクターを含む早期発見および経過の通知に必要な詳細を捉えていない。
本研究の目的は,フリーテキスト臨床ノートからレッドフラッグ症状6例と家族史的リスクステータスを自動抽出する方法を開発し,評価することであった。
我々は,検索強化世代を用いて初期ラベルとエビデンスを提案するエージェントワークフローであるVERGEを開発し,テキストのグラウンド化と臨床的妥当性を検証し,解決か限界に達するまでクレームを修正・再確認し,未解決クレームをエスカレートする。
VERGEは, 単エージェントベースライン, ルールベースクリニカル言語処理ベースライン, 代替言語モデルに対して, 4,033 のクリニカルラベル付きノートフィンディングペアで評価した。
単一エージェントベースラインと比較して、VERGEは偽陽性の入力を減らし、精度を0.764から0.849に、MCCを0.681から0.730に改善した。
これらの結果から,有界検証に基づくワークフローは,真の正の発見能力を犠牲にすることなく,不要な正の発見を低減できることが示唆された。
このアプローチは、若年者における大腸癌リスク評価を支援するために、より信頼性が高く信頼性の高い臨床言語処理ツールへの道を提供する。
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) - Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。
テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
論文 参考訳（メタデータ） (2026-06-17T08:10:30Z) - TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection [3.821311636515365]
我々は、スケーラブルなマルチカメラ早期検出のために設計された、トレーニングフリーでマルチエージェントな大規模言語モデル(LLM)フレームワークであるTrajOncoを紹介する。
TrajOncoは長期記憶を備えたチェーン・オブ・エージェントアーキテクチャを使用して、シーケンシャルな臨床イベントに対する時間的推論を行う。
一致した症例対照コホートを用いてTrajOncoを15種類のがんタイプで同定し,がん診断のリスクを1年間予測した。
論文 参考訳（メタデータ） (2026-04-12T00:16:38Z) - Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。
1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。
診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
論文 参考訳（メタデータ） (2026-04-06T00:23:10Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification [60.18369393468405]
既存の検証器は通常、ドメイン知識の欠如と限られた校正のために性能が劣る。
GLEANは専門家によって計算されたプロトコルをトラジェクトリインフォームされ、よく校正された正当性信号にコンパイルする。
我々は,MIMIC-IVデータセットから得られた3つの疾患の薬物的臨床診断でGLEANを実証的に検証した。
論文 参考訳（メタデータ） (2026-03-03T09:36:43Z) - 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) - Assessing the Feasibility of Early Cancer Detection Using Routine Laboratory Data: An Evaluation of Machine Learning Approaches on an Imbalanced Dataset [0.02030567625639093]
犬における早期がん検出のためのアクセス可能なスクリーニングツールの開発は、獣医学における重要な課題である。
本研究は,Golden Retriever Lifetime Studyコホートを用いたがんリスク分類の可能性を評価する。
通常の検査データには統計的に検出可能ながんシグナルが存在するが、正常な老化やその他の炎症状態から臨床的に信頼性の高い識別を行うには弱く、確立されていないと結論付けている。
論文 参考訳（メタデータ） (2025-10-23T04:52:42Z) - Age Group Discrimination via Free Handwriting Indicators [5.1076370934189255]
弱さは、進歩的な健康の低下、ストレスに対する脆弱性の増大、死亡のリスクの増加によって特徴づけられる。
欠陥を評価するための普遍的に受け入れられる方法が欠如し、標準化された定義が重要な研究ギャップを浮き彫りにしている。
本研究は,器用インクペンを用いて,年齢群分類のための手書き文字の評価を行う革新的な手法を提案する。
論文 参考訳（メタデータ） (2023-09-29T11:44:18Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Development of a Risk-Free COVID-19 Screening Algorithm from Routine
Blood Tests Using Ensemble Machine Learning [0.0]
キットの不足とコストが原因で、多くの人々が感染し、検査前に回復または死亡している。
この研究は、リスクフリーで高精度なStacked Ensemble Machine Learningモデルを提案することで、COVID-19検出の概念を活用する。
提案手法は,ユビキタス・ユビキタス・ローコストスクリーニングアプリケーションの可能性を有する。
論文 参考訳（メタデータ） (2021-08-12T11:01:53Z)
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。