Fugu-MT 論文翻訳(概要): Prediction Is Not Detection: Evaluating Pre-Recognition Claims in Longitudinal Clinical AI

論文の概要: Prediction Is Not Detection: Evaluating Pre-Recognition Claims in Longitudinal Clinical AI

arxiv url: http://arxiv.org/abs/2609.25852v1
Date: Tue, 22 Sep 2026 08:16:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-23 18:04:04.297049
Title: Prediction Is Not Detection: Evaluating Pre-Recognition Claims in Longitudinal Clinical AI
Title（参考訳）: 予測は検出されない: 縦断的臨床AIにおける認識前問題の評価
Abstract要約: 長手臨床AIのイベントベース評価は、認識によるケア処理信号をショートカットとして扱う。我々は、インターバルセント付き事前認識トランジション、独立したアズ・オブ・レファレンス標準、およびクレームを検証可能にするための事前特定認識プロキシを定義する。
参考スコア（独自算出の注目度）: 3.1610238124996193
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Clinically useful early detection requires validated pre-recognition lead time. Yet event-based evaluations of longitudinal clinical AI can treat recognition-mediated care-process signals as shortcuts and recognition-dependent endpoints as reference standards, inflating apparent performance and lead time while undermining cross-center transport. Such results may serve prognosis without establishing detection before recognition. We define an interval-censored pre-recognition transition, an independent as-of reference standard, and a prespecified recognition proxy to make the claim testable.
Abstract（参考訳）: 臨床的に有用な早期発見には、事前認識のリードタイムの検証が必要である。しかし、縦断的臨床AIの事象に基づく評価は、認識を介するケアプロセス信号をショートカットとして、認識に依存したエンドポイントを基準として扱い、センター間輸送を損なうことなく、明らかなパフォーマンスとリードタイムを膨らませる。このような結果は、診断前の検出を確立せずに予後を立証することができる。我々は、インターバルセント付き事前認識トランジション、独立したアズ・オブ・レファレンス標準、およびクレームを検証可能にするための事前特定認識プロキシを定義する。

関連論文リスト

Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文参考訳（メタデータ） (2026-03-18T06:15:35Z)
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)
Forecasting Anomaly Precursors via Uncertainty-Aware Time-Series Ensembles [9.53248032827498]
FATE(Forecasting Anomalies with Time-Series Ensembles)を提案する。 FATEは将来の値を予測し、アンサンブルの不一致を利用して、推論時にターゲット値にアクセスすることなく、潜在的な異常の早期兆候を示す。 5つの実世界のベンチマークデータセットの実験により、FATEはPTaPR AUCの19.9ポイント、早期検出のF1スコアの20.02ポイントの平均的な改善を達成している。
論文参考訳（メタデータ） (2026-02-19T02:48:09Z)
Beyond Medical Chatbots: Meddollina and the Rise of Continuous Clinical Intelligence [0.0]
臨床コンテキストインテリジェンス(CCI)を実世界の臨床に必要とされる能力クラスとして定式化する。本稿では,言語の実現前に推論を制約するガバナンスファーストな臨床インテリジェンスシステムであるMeddollinaを紹介する。 16,412以上のヘテロジニアスな医療クエリを対象とした行動優先型システムを用いてMeddollinaの評価を行った。
論文参考訳（メタデータ） (2026-01-30T07:05:14Z)
Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models [48.95516224614331]
MedGaze-Benchは、臨床医の視線を認知的カーソルとして活用し、手術、緊急シミュレーション、診断解釈における意図的理解を評価する最初のベンチマークである。本ベンチマークでは,解剖学的構造の視覚的均一性,臨床における時間・因果依存性の厳格化,安全プロトコルへの暗黙の順守という3つの基本的な課題に対処する。
論文参考訳（メタデータ） (2026-01-11T02:20:40Z)
Uncertainty Propagation for Echocardiography Clinical Metric Estimation via Contour Sampling [4.708437939150225]
本稿では,セグメンテーションではなくコンツーリングに基づく新しい不確実性推定手法を提案する。提案手法は, コントゥーア作業に対する正確な不確実性評価だけでなく, 2つの心臓超音波データセットの下流臨床指標にも有効である。
論文参考訳（メタデータ） (2025-02-18T10:26:16Z)
Early Prediction of Causes (not Effects) in Healthcare by Long-Term Clinical Time Series Forecasting [11.96384267146423]
臨床変数の時系列予測(TSF)により原因を直接予測することを提案する。モデルトレーニングは特定のラベルに依存しないため、予測されたデータはコンセンサスベースのラベルを予測するために使用できる。
論文参考訳（メタデータ） (2024-08-07T14:52:06Z)
SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-24T04:47:36Z)
Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文参考訳（メタデータ） (2024-04-04T11:32:03Z)
Deployment Prior Injection for Run-time Calibratable Object Detection [58.636806402337776]
検出器に追加のグラフ入力を導入し、事前にグラフが配置コンテキストを表す。テストフェーズでは、事前に適切なデプロイメントコンテキストをグラフ編集を通じて検出器に注入することができる。事前の配置が分かっていない場合でも、検出器は独自の予測を用いて、事前に近似した配置を用いて自己校正を行うことができる。
論文参考訳（メタデータ） (2024-02-27T04:56:04Z)

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。