論文の概要: A Multi-Agent Pipeline for Source-Grounded Synthetic Note Generation from Longitudinal Structured EHR
- arxiv url: http://arxiv.org/abs/2609.22164v1
- Date: Wed, 26 Aug 2026 18:46:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.752358
- Title: A Multi-Agent Pipeline for Source-Grounded Synthetic Note Generation from Longitudinal Structured EHR
- Title（参考訳）: 縦構造EHRを用いた音源集音用マルチエージェントパイプライン
- Abstract要約: MedNotesは合成データ生成パイプラインで、経時的に構造化された EHR を原点となる臨床ノートに変換する。
1,485の EHRSHOT の遭遇では、MedNotes は91.4%のパスレートを達成し、実際の精度は0.980、完全性は99.1%、構造的忠実度は0.761、臨界幻覚は0.028である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structured EHR is abundant but sparse, coded, and difficult to use directly for note-centric clinical modeling. We present MedNotes, a multi-agent synthetic data generation pipeline that converts longitudinal structured EHR into source-grounded clinical note representations under explicit quality control. MedNotes treats structured-data-to-text synthesis as a closed-loop agentic process: a generator proposes a note, evaluator agents diagnose factual, coverage, structural, and hallucination-related failures, and a router accepts, revises, or rejects the draft. On 1,485 EHRSHOT encounters, MedNotes achieves a 91.4% pass rate, with mean factual accuracy of 0.980, completeness of 99.1%, structural fidelity of 0.761, and 0.028 critical hallucinations per encounter. Iterative refinement improves acceptance from 69.4% to 91.4%. The resulting synthetic corpus improves downstream CPT prediction and paragraph-level section prediction when combined with limited real data.
- Abstract（参考訳）: 構造化 EHR は多量であるが、希少であり、コード化されており、ノート中心の臨床モデリングに直接使用されることは困難である。
本稿では,多エージェント合成データ生成パイプラインであるMedNotesについて述べる。
MedNotesは構造化データからテキストへの合成をクローズドループのエージェントプロセスとして扱う: ジェネレータはノートを提案し、評価エージェントは事実、カバレッジ、構造、幻覚に関する障害を診断し、ルータはドラフトを受け入れ、修正し、拒否する。
1,485の EHRSHOT の遭遇では、MedNotes は91.4%のパスレートを達成し、実際の精度は0.980、完全性は99.1%、構造的忠実度は0.761、臨界幻覚は0.028である。
反復改良は69.4%から91.4%に改善する。
得られた合成コーパスは、限られた実データと組み合わせることで、下流のCPT予測と段落レベルの予測を改善する。
関連論文リスト
- MedDeID enables locally governed clinical-text de-identification from real or synthetic training data [0.0]
MedDeIDは、社内アノテーションと合成ノート生成とモデルトレーニング、推論、偽名化、評価を組み合わせたオンプレミスフレームワークである。
独立に注釈が付された300点のオランダの病院のベンチマークでは、病院で訓練されたコンパクトトランスフォーマーが98.9%のテキストを検出した。
100のプライマリケアノートでは、合成訓練されたモデルは、病院で訓練されたモデル(90.3%対87.0%)よりも高いリコールを達成し、識別子フォーマットに対するロバスト性が向上した。
論文 参考訳（メタデータ） (2026-09-09T11:24:56Z) - Neurosymbolic Alignment for Physiologically-Safe Clinical Language Models [34.30791848883716]
本稿では,HGNNをベースとした生理的世界モデルと7B臨床LLMを併用したトレーニングタイムフレームワークであるNeurosymbolic Alignmentを提案する。
候補者の反応は、ホメオスタティックな制約、マルチホップパスの妥当性、薬物相互作用の罰則を用いて評価される。
臨床安全ベンチマーク(CSB: Clinical Safety Benchmark)は、遺伝子的臨床推論における生理的制約違反に対する2500-scenarioベンチマークである。
論文 参考訳（メタデータ） (2026-08-25T13:20:03Z) - Tracing the Heart: An Evidence-Linked Pipeline for Heart-Failure Feature Engineering [18.09162983861884]
自動心不全機能工学のためのエビデンスリンク型ルーリックグラウンドパイプラインを開発した。
nMASは, 構造整合性, ルブリック適合性, 証明性を検証し, 制限されたLDMで検査した132個の構造と70個のルブリックの集合特性を作成した。
これらの結果は、複雑な心血管系ERHデータに対する自動監査機能工学の可能性を示している。
論文 参考訳（メタデータ） (2026-08-06T17:57:37Z) - Benchmarking LLM Agents on Meta-Analysis Articles from Nature Portfolio [30.68853022964377]
我々はNature Portfolio誌から442名の専門家によるメタアナリシスのデータセットであるMetaSynを紹介する。
各エントリは、PI/ECO基準、140k項目の検索コーパス、実証された肯定的な研究、相対的に類似しているがPI/ECOは無視できない硬い負の2つの研究課題をペアリングする。
K=200では90.9%のリコールがあったが、52.7%以上の文献を復元するシステムはない。
論文 参考訳（メタデータ） (2026-06-15T17:56:41Z) - 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) - Learning Diagnostic Reasoning for Decision Support in Toxicology [34.623049546258294]
緊急毒性学への最初の強化学習(Reinforcement Learning, RL)であるDeToxRを提案する。
14種類の物質クラスにまたがる多ラベル予測のためのロバストなデータ融合エンジンを設計する。
臨床成績報酬を直接利用してモデルの推論を最適化する。
論文 参考訳（メタデータ） (2026-03-31T11:26:45Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z) - HARMON-E: Hierarchical Agentic Reasoning for Multimodal Oncology Notes to Extract Structured Data [4.776184995012808]
本稿では,複雑なオンコロジーデータ抽出をモジュール型適応タスクに分解するエージェントフレームワークを提案する。
がん患者2250名を対象に,400,000件以上の非構造的臨床記録とPDFをスキャンし,F1スコアの平均0.93を達成した。
論文 参考訳（メタデータ） (2025-12-22T20:38:30Z) - CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。
エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。
データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
論文 参考訳（メタデータ） (2025-11-20T03:38:46Z) - Embedding-Driven Diversity Sampling to Improve Few-Shot Synthetic Data Generation [4.684310901243605]
そこで本研究では,少数の臨床論文から多様性を抽出し,大規模言語モデルを数発のプロンプトでガイドする埋め込み型アプローチを提案する。
われわれは,コサイン類似性とチューリング試験を用いて,実際の臨床テキストとより密に一致した合成ノートを作成した。
論文 参考訳（メタデータ） (2025-01-20T00:16:57Z)
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。