論文の概要: LingLan: An Advancing Traditional Chinese Medicine Diagnosis LLM with Multimodal Data

• arxiv url: http://arxiv.org/abs/2609.25715v1
• Date: Tue, 22 Sep 2026 05:43:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.233886
• Title: LingLan: An Advancing Traditional Chinese Medicine Diagnosis LLM with Multimodal Data
• Title（参考訳）: LingLan: マルチモーダルデータによる中国の伝統医学診断 LLM の進歩
• Abstract要約: Unification Framework for Multimodal Data (UFMD)は、舌と脈動の画像を構造化され、臨床的に標準的な記述に加工する。 TCM固有の大規模言語モデルであるLingLan-14Bは、教師付き学習によって微調整され、I-AOI-Pプロセスの診断ロジックとワークフローをエミュレートする。
• 参考スコア（独自算出の注目度）: 12.049851255269635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Though artificial intelligence (AI) increasingly transforms modern medicine, its integration into Traditional Chinese Medicine (TCM) has been relatively slow, primarily due to TCM's reliance on holistic, subjective diagnostic methods---namely Inspection, Auscultation and Olfaction, Inquiry, and Palpation(I-AOI-P)---which are difficult to align with quantitative, standardized medical systems. In this work, we introduce a Unification Framework for Multimodal Data (UFMD), which automatically processes tongue and pulse images into structured, clinically standard descriptions, integrating multi-source diagnostic information into a unified digital record of I-AOI-P process. Building on this structured data, we create LingLan-14B, a TCM-specific large language model fine-tuned via supervised learning to emulate the diagnostic logic and workflow of I-AOI-P process. Experimental results show that our method significantly enhances diagnostic accuracy, achieving a relative improvement of 103.5% over the baseline (62.72% vs. 30.82%) and reaching an F1-score of up to 82%.
• Abstract（参考訳）: 人工知能(AI)は現代医学をますます変革させるが、TCMへの統合は比較的遅く、主にTCMが包括的で主観的な診断方法に依存しているため、検査、審問、薬学(I-AOI-P)は定量的に標準化された医療システムと整合が難しい。 本研究では,舌と脈動の画像を自動的に構造化された,臨床標準記述に加工し,マルチソース診断情報をI-AOI-Pプロセスの統一デジタルレコードに統合するUFMD(Unified Framework for Multimodal Data)を提案する。 この構造化データに基づいて、我々は、I-AOI-Pプロセスの診断ロジックとワークフローをエミュレートするために教師あり学習を通して微調整された、TCM固有の大規模言語モデルLingLan-14Bを作成する。 その結果, 診断精度は有意に向上し, ベースラインよりも103.5%向上し(62.72%対30.82%) F1スコアは最大82%に達した。

関連論文リスト

• SMILE: Self-Explainable Multimodal Information Bottleneck for Medical Diagnosis [71.98702207668346]
  説明可能性(Explainability)は、AIベースの診断、特に安全クリティカルな臨床的意思決定において、ますます重要な要件とみなされている。 本稿では,情報ボトルネック(IB)フレームワーク内で定式化することで,自己説明可能なマルチモーダル診断の問題に対処する。 本稿では,予測性能とモダリティ固有の説明可能性とを協調的に最適化する統合学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-09-04T14:13:24Z)
• Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
  本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。 本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。 DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-28T17:19:47Z)
• A Multi-Agent Approach to Neurological Clinical Reasoning [0.0]
  大規模言語モデル(LLM)は医学領域において有望であるが、専門的な神経学的推論を扱う能力は体系的な評価を必要とする。 我々は,イスラエルの神経学の認定試験から305の質問を用いたベンチマークを開発した。 ベースモデル,検索拡張生成(RAG),新しいマルチエージェントシステムを用いて10個のLLMを評価した。
  論文  参考訳（メタデータ） (2025-08-10T14:52:27Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• ChestX-Reasoner: Advancing Radiology Foundation Models with Reasoning through Step-by-Step Verification [57.22053411719822]
  ChestX-Reasoner(チェストX-Reasoner)は、臨床報告から直接採掘されるプロセスの監督を活用するために設計された放射線診断MLLMである。 我々の2段階のトレーニングフレームワークは、モデル推論と臨床標準との整合性を高めるために、プロセス報酬によって指導された教師付き微調整と強化学習を組み合わせる。
  論文  参考訳（メタデータ） (2025-04-29T16:48:23Z)
• HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic Joint Infection Diagnosis Using CT Images and Text [0.0]
  補綴関節感染症(PJI)は重篤な合併症である。 現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。 本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
  論文  参考訳（メタデータ） (2023-05-29T11:25:57Z)
• TCM-SD: A Benchmark for Probing Syndrome Differentiation via Natural Language Processing [31.190757020836656]
  TCM診断・治療システムの中核的課題に焦点をあてる -- 症候群分化(SD) 本データセットは,148症例を対象とした実世界の臨床記録54,152例を含む。 本稿では、ZY-BERTと呼ばれるドメイン固有の事前学習言語モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-21T09:59:54Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)

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。