論文の概要: Large language models in medical time series analysis

• arxiv url: http://arxiv.org/abs/2609.22262v1
• Date: Mon, 07 Sep 2026 02:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.810856
• Title: Large language models in medical time series analysis
• Title（参考訳）: 医療時系列分析における大規模言語モデル
• Abstract要約: 心電図(ECG)、脳波(EEG)、光胸腺撮影(mography)、バイタルサイン記録を含む医療時系列(MedTS)は、臨床診断と健康モニタリングの中心である。 大規模言語モデル(LLM)が進歩するにつれて、その推論、生成、知識統合能力がMedTS分析をどのようにサポートするかが研究されている。 しかし、既存の研究はいまだに散在しており、これらのモデルがどのように設計され、臨床に組み入れられ、評価されるべきかについての明確な見解が欠けている。 医療用大規模言語モデルに関する最近の研究成果を概観する。
• 参考スコア（独自算出の注目度）: 40.65384395776576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical time series (MedTS), including electrocardiograms (ECG), electroencephalograms (EEG), photoplethysmography (PPG), and vital-sign recordings, are central to clinical diagnosis and health monitoring. As large language models (LLMs) have advanced, a growing body of work has examined how their reasoning, generation, and knowledge-integration capabilities can support MedTS analysis. Yet existing studies remain scattered, and the field still lacks a clear view of how these models should be designed, integrated into clinical workflows, and evaluated. This review synthesizes recent work on large language models for medical time series analysis (MedTSLLMs), covering both methodological progress and issues related to real-world deployment. We review model architectures, data resources, and processing pipelines, and prompt design strategies adapted for diverse clinical scenarios. We further organize existing MedTS applications, ranging from diagnostic interpretation and report generation to longitudinal health monitoring and physiological signal synthesis, highlighting task-specific design choices, common evaluation protocols, and empirical findings reported across studies. By bringing together current practices and open challenges, this review aims to provide a clearer foundation for developing, evaluating, and deploying MedTSLLMs responsibly in healthcare. We also maintain a regularly updated list of MedTSLLM studies and resources at: https://github.com/hy727/MedTSLLM-Review.
• Abstract（参考訳）: 心電図(ECG)、脳波(EEG)、光胸腺撮影(PPG)、バイタルサイン記録を含む医療時系列(MedTS)は、臨床診断と健康モニタリングの中心である。 大規模言語モデル(LLM)が進歩するにつれて、その推論、生成、知識統合能力がMedTS分析をどのようにサポートするかが研究されている。 しかし、既存の研究はいまだに散在しており、これらのモデルがどのように設計され、臨床ワークフローに統合され、評価されるべきかについての明確な見解はいまだに欠けている。 本稿では,医療時系列分析のための大規模言語モデル (MedTSLLMs) に関する最近の研究を概説する。 我々は、モデルアーキテクチャ、データリソース、および処理パイプラインをレビューし、多様な臨床シナリオに適応した設計戦略を推し進める。 我々は、診断解釈やレポート生成から、縦断的な健康モニタリングや生理信号合成、タスク固有の設計選択の強調、共通評価プロトコル、研究全体で報告された経験的発見まで、既存のMedTSアプリケーションをさらに整理する。 このレビューは、現在のプラクティスとオープンな課題をまとめることで、医療に責任を負うMedTSLLMの開発、評価、デプロイのためのより明確な基盤を提供することを目的としている。 https://github.com/hy727/MedTSLLM-Review。

関連論文リスト

• Concept-Grounded Reasoning with Prompt-Driven Localization for Interpretable Structured Report Generation [66.62662330558906]
  CORALは、空間的接地と概念レベルの監督を統一的な推論プロセスに統合するマルチモーダルフレームワークである。 コーラルは、疾患の局所化とコンセプション・ボトルネックモジュールによる多クラス臨床属性の予測のために、プロンプト駆動型医療セグメンテーションモデルを採用している。 BUS-CoTとIU X線データセットの実験では、診断精度、概念整合性、報告品質が強力な汎用および医療MLLMよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-09-14T10:21:23Z)
• Foundation Models in Medical Image Analysis: A Systematic Review and Meta-Analysis [7.905460364844281]
  ファンデーションモデル(FM)は、医療画像解析に革命をもたらし、様々な医療画像タスクにおいて、ゼロショットと少数ショットのパフォーマンスを強く証明している。 FMは、ラベル付きおよびラベルなしのマルチモーダルデータセットの大規模なコーパスを利用して、一般化された表現を学習する。 医療画像におけるFM研究の急速な普及にもかかわらず、フィールドは断片化されている。 本稿では,医療画像解析におけるFMの包括的かつ構造化された分析について述べる。
  論文  参考訳（メタデータ） (2025-10-19T19:19:23Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
  医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。 本稿では,MVLMの概要と適用した各種医療課題について概観する。 また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-11-19T03:27:05Z)
• Large Language Model Benchmarks in Medical Tasks [14.739357670600103]
  本稿では,医療用大規模言語モデル(LLM)タスクに使用される様々なベンチマークデータセットについて調査する。 調査では、データセットをモダリティで分類し、その重要性、データ構造、LLMの開発への影響について論じている。 この論文は、言語多様性、構造化オミクスデータ、および合成に対する革新的なアプローチを含むデータセットの必要性を強調している。
  論文  参考訳（メタデータ） (2024-10-28T11:07:33Z)
• The Era of Foundation Models in Medical Imaging is Approaching : A Scoping Review of the Clinical Value of Large-Scale Generative AI Applications in Radiology [0.0]
  放射線技師の不足に起因する社会問題は激化しており、人工知能は潜在的な解決策として強調されている。 最近出現する大規模生成AIは、大規模言語モデル(LLM)からマルチモーダルモデルへと拡張されている。 このスコーピングレビューは、大規模生成型AIアプリケーションの臨床的価値に関する既存の文献を体系的に整理する。
  論文  参考訳（メタデータ） (2024-09-03T00:48:50Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [59.4999994297993]
  この総合的なレビューは、医療知識グラフ(HKG)の現状の概要を提供することを目的としている。 我々は,既存のHKGに関する文献を網羅的に分析し,その構築方法,活用技術,応用について考察した。 このレビューは、HKGsが生物医学研究や臨床実践に大きな影響を与える可能性を強調している。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)

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。