論文の概要: Authority-Preserving Evaluation of Medical Vision-Language Assistants

• arxiv url: http://arxiv.org/abs/2609.22302v1
• Date: Mon, 14 Sep 2026 19:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 03:38:27.367916
• Title: Authority-Preserving Evaluation of Medical Vision-Language Assistants
• Title（参考訳）: 医用ビジョンランゲージアシスタントの権限保存評価
• Abstract要約: 提案品質と選択された行動品質は、異なる評価対象である。 我々は、両方のアクションを記録するフレームワークAuthEvalを紹介し、宣言された局所的基準の下で選択されたアクションをスコアし、実行可能であれば、同じルールで辞退した提案をスコアする。
• 参考スコア（独自算出の注目度）: 69.11739400975445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical vision-language models can propose how urgently a skin lesion should be reviewed, but the local service retains authority to accept or replace that proposal under referral policy, capacity, and locally held patient context. Proposal quality and selected-action quality are therefore distinct evaluation targets, and benchmark evidence transfers between them only when local review preserves the expected action score. We introduce AuthEval, a logging and evaluation framework that records both actions, scores the selected action under declared local criteria, and, where feasible, scores the declined proposal under the same rule. It reports the resulting authority gap only when the record supports it. Because the gap is the product of the proposal-change rate and the mean score change on changed cases, that rate alone determines neither its magnitude nor its sign. On ISIC 2019, with MedGemma and simulated local review, two constraint regimes with similar change rates produced an optimistic image-equal gap under capacity ($+0.744$ simulator units) but no detectable gap under safety. The declared evaluation unit also mattered: under mixed constraints the gap reversed from $+0.374$ to $-0.206$ when weighting shifted from image to lesion-aware cluster. AuthEval thus clarifies whether a study's records support claims about the model, the workflow, or both.
• Abstract（参考訳）: 医療ビジョン言語モデルでは、皮膚病変の即時的見直しを提案することができるが、地域サービスは、参照ポリシー、キャパシティ、および局所的に保持される患者コンテキストの下で、その提案を受諾または置き換える権限を保有している。 提案手法の質と選択された動作品質は異なる評価対象であり, 局所的な評価が期待される動作スコアを保持する場合にのみ, ベンチマークエビデンスを伝達する。 我々は、両方のアクションを記録するロギングおよび評価フレームワークAuthEvalを導入し、宣言されたローカル基準の下で選択されたアクションをスコアし、実行可能であれば、同じルールで削除された提案をスコアする。 記録がそれをサポートする場合にのみ、結果の権限ギャップを報告します。 ギャップは、提案-変更率の積であり、変更したケースの平均スコアが変化するため、その割合だけでは、その大きさも符号も決定できない。 ISIC 2019では、MedGemmaとシミュレートされたローカルレビューにより、同様の変化率を持つ2つの制約体制が、キャパシティ以下の楽観的なイメージ平等ギャップ(+0.744$シミュレーターユニット)を生み出したが、安全下では検出可能なギャップは生じなかった。 混合制約の下では、画像から病変認識クラスタに重みが移ると、ギャップは+0.374$から$-0.206$に反転した。 したがって、AuthEvalは、研究記録がモデル、ワークフロー、その両方について主張するかどうかを明確にする。

関連論文リスト

• From Few-Shot Segmentation to Clinician-in-the-Loop Medical Image Analysis [2.055949720959582]
  FSMIS (Few-shot Medical Image segmentation) は、未確認構造を小さなサポートセットから切り離そうとしているが、標準的な定式化は推論の前にタスク定義の証拠を修正する。 我々はFSMISを3層連続決定問題として再検討した。 本研究は,6つの仮説を明示的な依存順序で記述し,臨床研究に先立って基礎的自己評価の主張を偽装できる最小限のパイロットを提案する。
  論文  参考訳（メタデータ） (2026-09-09T10:26:51Z)
• Label-Free Foundational Model Selection for Medical Image Classification under Distribution Shift via Pseudo Label Discrepancy [3.0016442487726884]
  そこで本稿では,SUDOをベースとしたラベルなし選択基準を提案する。 AURCCは胸部X線分類における様々な視覚言語モデルのランク付けに利用できることを示す。
  論文  参考訳（メタデータ） (2026-08-26T13:56:29Z)
• Revelation Control [0.0]
  啓示制御(Revelation Control)は、意図された区別が連続的な決定を変更できるため、内部でのみ隠された状態を明らかにする価格設定された介入を選択する問題である。 我々はこの理論を学習システムに展開し、現在宣言されている情報に準ずる状態が将来の訓練に異なる反応をし、異なる行動を好むことができるようにした。
  論文  参考訳（メタデータ） (2026-08-24T22:07:57Z)
• Beyond Aggregate Calibration: Decomposing Income-Conditional Recall Disparities in Automated Credit Default Prediction [0.0]
  高所得既定者は低所得既定者に対してラベルノイズとして不均等に分類される。 16.86パーセントのポイントギャップは、最終的にデフォルトとなった高所得者と低所得者の間で真の正のレート(リコール)である。
  論文  参考訳（メタデータ） (2026-08-08T15:57:15Z)
• Auditing Medical Vision-Language Models on Chest Radiographs: Estimating Reference Agreement Across Institutions [6.575315179481716]
  視覚言語モデルでは、信頼スコアを示さないインターフェースを通して、構造化胸部画像像を返却する。 胸部X線写真コーパスを用いた3つの生成視覚言語モデルについて検討した。
  論文  参考訳（メタデータ） (2026-08-01T16:18:59Z)
• Estimating Commonsense Plausibility through Semantic Shifts [66.06254418551737]
  セマンティックシフトを測定することでコモンセンスの妥当性を定量化する新しい識別フレームワークであるComPaSSを提案する。 2種類の細粒度コモンセンス可視性評価タスクの評価は,ComPaSSが一貫してベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-02-19T06:31:06Z)
• Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
  評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。 本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-20T14:29:23Z)
• Uncertainty in Language Models: Assessment through Rank-Calibration [65.10149293133846]
  言語モデル(LM)は、自然言語生成において有望な性能を示している。 与えられた入力に応答する際の不確実性を正確に定量化することは重要である。 我々は、LMの確実性と信頼性を評価するために、Rank$-$Calibration$と呼ばれる斬新で実用的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-04-04T02:31:05Z)
• Equal Opportunity of Coverage in Fair Regression [50.76908018786335]
  我々は、予測の不確実性の下で公正な機械学習(ML)を研究し、信頼性と信頼性のある意思決定を可能にする。 本研究は,(1)類似した結果の異なる集団に対するカバー率が近いこと,(2)人口全体のカバー率が一定水準にあること,の2つの特性を達成することを目的としたカバーの平等機会(EOC)を提案する。
  論文  参考訳（メタデータ） (2023-11-03T21:19:59Z)

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。