論文の概要: ObGynLongBench: Revealing the Evidence-to-EHR Gap in Longitudinal EHR Decision-Making
- arxiv url: http://arxiv.org/abs/2609.07601v1
- Date: Mon, 07 Sep 2026 15:12:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.452599
- Title: ObGynLongBench: Revealing the Evidence-to-EHR Gap in Longitudinal EHR Decision-Making
- Title（参考訳）: ObGynLongBench: 縦断的EHR意思決定におけるエビデンス対EHRギャップの解明
- Abstract要約: ObGynLongBenchは、産婦人科の意思決定のためのルール付き長文EHRベンチマークである。
ObGynLongBenchは、976の実際の妊娠 EHR 履歴と追跡可能なルールから、1500の臨床的決定ポイントのケースで構成されている。
証拠が直接提供された場合, モデルは良好に機能することを示すが, 証拠を同日記録から抽出する必要がある場合や, 完全な事前決定EHR履歴から抽出する必要がある場合, 精度は低下する。
- 参考スコア（独自算出の注目度）: 36.37016434776715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The application of large language models (LLMs) to personalized medical assistants has garnered growing interest. However, existing medical benchmarks largely rely on static question answering with pre-selected evidence, leaving unclear whether LLMs can make reliable clinical decisions from real longitudinal electronic health records (EHRs). To bridge this gap, we introduce ObGynLongBench, a rule-grounded long-context EHR benchmark for obstetric and gynecologic decision-making, comprising 1,500 clinical decision-point cases from 976 real pregnancy EHR histories and traceable rules. Each case is anchored to a patient, a pregnancy-timeline point, and a pre-decision information boundary, enabling Evidence-only, Visit-level EHR, and History-level EHR evaluation. Evaluating 17 LLMs reveals a substantial Evidence-to-EHR Gap: models perform well when evidence is directly provided, but accuracy drops when evidence must be extracted from same-day records or full pre-decision EHR histories. Further analyses identify evidence utilization as a key bottleneck: performance decreases with longer EHR contexts and more complex evidence requirements, and earlier failures often predict later failures within the same patient history. Finally, active-search agents perform best among EHR access strategies, highlighting patient-specific evidence utilization as a central challenge for reliable personalized medical assistants. Resources are available at https://github.com/xiangjun2003/ObgynLongbench.
- Abstract（参考訳）: 個人化された医療アシスタントへの大規模言語モデル(LLM)の適用は、ますます関心を集めている。
しかし、既存の医療ベンチマークは、選択済みの証拠に答える静的な質問に大きく依存しており、LSMが実際の経時的電子健康記録(EHR)から信頼できる臨床判断を下せるかどうかは不明である。
このギャップを埋めるために,976例の実妊娠EHRの症例1,500例と追跡可能なルールを含む,産婦人科的および産婦人科的意思決定のためのルール付き長文EHRベンチマークであるObGynLongBenchを紹介した。
それぞれの症例は、患者、妊娠時間ポイント、および事前決定情報境界に固定され、エビデンスのみ、ビジターレベル EHR、ヒストリーレベル EHR の評価が可能である。
証拠が直接提供された場合、モデルは良好に機能するが、同日の記録や完全な事前決定 EHR 履歴から証拠を抽出する必要がある場合、精度は低下する。
より長いEHRコンテキストとより複雑なエビデンス要件でパフォーマンスが低下し、初期の障害はしばしば、同じ患者の歴史の中で後の障害を予測する。
最後に、アクティブサーチエージェントは、患者固有のエビデンスの利用を、信頼性の高いパーソナライズされた医療アシスタントにとって重要な課題として強調し、EHRアクセス戦略の中で最善を尽くす。
リソースはhttps://github.com/xiangjun2003/ObgynLongbench.comで入手できる。
関連論文リスト
- EHR-RAGp: Retrieval-Augmented Prototype-Guided Foundation Model for Electronic Health Records [0.9989630065856642]
EHRは、豊富な縦断的な患者情報を含み、予測モデリングの応用に広く利用されている。
EHR-RAGpは,多種多様な臨床イベントタイプにまたがって,最も関連性の高い患者履歴を動的に統合する基盤モデルである。
論文 参考訳（メタデータ） (2026-05-12T16:17:03Z) - Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。
本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。
675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
論文 参考訳（メタデータ） (2026-04-29T17:59:28Z) - 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) - A Randomized Controlled Trial and Pilot of Scout: an LLM-Based EHR Search and Synthesis Platform [1.3680778971360474]
我々は、臨床医が自然言語を用いてEHRデータをクエリできるEHR検索合成プラットフォームであるScoutを開発した。
スカウトはタスク完了時間を37.6%削減し、作業負荷を著しく削減した。
スカウトは、EHRのみで完了したタスクに対する正確さ、完全性、および関連性を維持した。
論文 参考訳（メタデータ） (2026-03-07T22:28:53Z) - EHR-RAG: Bridging Long-Horizon Structured Electronic Health Records and Large Language Models via Enhanced Retrieval-Augmented Generation [8.087606137290217]
EHR-RAGは、長い水平構造を持つEHRデータの正確な解釈のために設計された検索拡張フレームワークである。
長期のEHR予測タスクの4つの実験により、EHR-RAGは最強のLCMベースラインを一貫して上回っていることが示された。
論文 参考訳（メタデータ） (2026-01-29T07:06:34Z) - A Specialized Large Language Model for Clinical Reasoning and Diagnosis in Rare Diseases [22.51015369266496]
RareSeek R1は、ノイズや重なり合う表現型の下で、技術精度、堅牢な一般化、安定性の状態を達成している。
この研究は、診断を短縮し、聴覚的、臨床的に翻訳可能な意思決定支援を可能にする、物語第一の知識統合推論パラダイムを前進させる。
論文 参考訳（メタデータ） (2025-11-18T16:29:19Z) - EHR-R1: A Reasoning-Enhanced Foundational Language Model for Electronic Health Record Analysis [78.05962117947259]
EHR-Insは大規模で総合的なEHR推論命令データセットである。
また,EHR分析に適した最大72Bパラメータを持つ推理強化LDMであるEHR-R1を開発した。
最後に、MIMIC-IVからキュレートされた新しいベンチマークであるEHR-Benchを紹介し、42のタスクにまたがる。
論文 参考訳（メタデータ） (2025-10-29T15:32:47Z) - Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。
われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
論文 参考訳（メタデータ） (2024-05-02T09:41:31Z) - Towards Reducing Diagnostic Errors with Interpretable Risk Prediction [18.474645862061426]
特定診断のリスクの増大または低下を示す患者EHRデータ中の証拠片をLCMを用いて同定する方法を提案する。
私たちの究極の目標は、証拠へのアクセスを増やし、診断エラーを減らすことです。
論文 参考訳（メタデータ） (2024-02-15T17:05:48Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。