論文の概要: VeriDx: Earning the Right to Diagnose with Disease-Centric Verification
- arxiv url: http://arxiv.org/abs/2609.14018v1
- Date: Sat, 12 Sep 2026 16:05:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.637075
- Title: VeriDx: Earning the Right to Diagnose with Disease-Centric Verification
- Title（参考訳）: VeriDx: 疾患中心の検証で診断する権利を付与する
- Abstract要約: 本稿では,bfVeriDxについて紹介する。bfVeriDxは,疾患プロファイルと自由形診断推論を関連付ける,疾患中心の検証フレームワークである。
ガイドライン由来の疾患プロファイルと専門家による縦断的症例を用いて,VeriDxを簡便に呼吸診断する。
- 参考スコア（独自算出の注目度）: 4.364186225903886
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A correct diagnosis can still be reached for the wrong reasons. In clinical reasoning, every disease hypothesis creates obligations: key evidence must be checked, alternatives must be ruled out, contradictions must be resolved, useful tests must be considered, and closure must be justified. Current evaluations of medical LLMs mostly focus on final answers, local steps, or isolated facts, and therefore miss these hypothesis-induced commitments. We introduce \textbf{VeriDx}, a disease-centric verification framework that links free-form diagnostic reasoning to structured disease profiles. VeriDx tracks whether each hypothesis is satisfied, unresolved, or violated its clinical obligations, exposing failures such as missing critical tests, unresolved differentials, ignored contradictions, unsupported claims, and premature closure. We instantiate VeriDx for complex respiratory diagnosis using guideline-derived disease profiles and expert-annotated longitudinal cases. Our results show that many diagnostic errors are not isolated mistakes, but broken commitments made earlier in the reasoning process.
- Abstract（参考訳）: 正確な診断は、間違った理由でも可能である。
臨床上の理由から、すべての疾患仮説は義務を負う: 重要な証拠を検査し、代替品を除外し、矛盾を解決し、有効な検査を考慮し、閉鎖を正当化しなければならない。
医学LLMの現在の評価は、主に最終回答、局所的なステップ、または孤立した事実に焦点を当てているため、これらの仮説によって引き起こされるコミットメントを見逃している。
本稿では, 自由形診断推論と構造的疾患プロファイルを結びつける, 疾患中心の検証フレームワークである \textbf{VeriDx} を紹介する。
VeriDxは、それぞれの仮説が満足しているか、未解決であるか、または臨床上の義務に違反しているかを追跡し、欠落した臨界テスト、未解決の差分、矛盾を無視した矛盾、未解決の主張、早期閉鎖などの失敗を暴露する。
ガイドライン由来の疾患プロファイルと専門家による縦断的症例を用いて,VeriDxを簡便に呼吸診断する。
以上の結果から,多くの診断誤差は孤立した誤りではなく,推論過程の早い段階で犯したコミットメントの破れであることがわかった。
関連論文リスト
- CDEG: Learning Decision-Critical Evidence for Long-Horizon Diagnostic Agents [21.40725112789917]
筆者らは,過去の診断軌跡から再利用可能な決定クリティカルな証拠を学習するグラフベースのフレームワークCDEGを紹介する。
我々はCDEGが診断性能を継続的に改善し、バニラ剤よりも11.5%の精度向上を実現していることを示す。
論文 参考訳（メタデータ） (2026-08-24T07:30:22Z) - Beyond Relevance: Bayesian Evidence Acquisition for Agentic Whole-Slide Image Reasoning [72.86819994769634]
全体スライド画像推論(WSI)では、診断問題に答える前に、エージェントが視覚的証拠を逐次取得する必要がある。
本稿では,WSI推論をベイズ証拠取得問題として再検討する,プラグイン・アンド・プレイのエージェント・フレームワークBEACONを提案する。
論文 参考訳（メタデータ） (2026-08-06T08:40:57Z) - JustDiag!: A Diagnostic Justification Engine for Accountable Root Cause Analysis [10.061964398830142]
我々は、JustDiagが証拠、発見、競合する仮説、紛争、そして次のチェックに対して明確なプロセス状態を維持していることを示す。
JustDiagは、診断の正当化なしに一致した制御に対して、より強力な結果とプロセススコアを達成した。
論文 参考訳（メタデータ） (2026-06-17T14:19:17Z) - DDX-TRACE: A Benchmark for Medical Diagnostic Trajectories in VLMs [21.52456139726765]
ほとんどの医療AIベンチマークは、関連するコンテキストを事前に明らかにし、最終回答のみをスコア付けする。
MDX-TRACEはマルチモーダル・ニューロラジオロジーのための医師適応型ベンチマークである。
211件の難治性症例に対して、隠れた証拠の下で診断の軌跡を評価する。
論文 参考訳（メタデータ） (2026-05-22T13:41:10Z) - 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) - 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) - 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) - 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) - 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) - 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) - Towards the Identifiability and Explainability for Personalized Learner
Modeling: An Inductive Paradigm [36.60917255464867]
本稿では,エンコーダ・デコーダモデルにインスパイアされた新しい応答効率応答パラダイムに基づく,識別可能な認知診断フレームワークを提案する。
診断精度を損なうことなく,ID-CDFが効果的に対処できることが示唆された。
論文 参考訳（メタデータ） (2023-09-01T07:18:02Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳（メタデータ） (2020-03-14T02:05:54Z)
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。