論文の概要: SMARtCARE: Privacy-Preserving Agentic AI Systems for Bounded-Autonomy Clinical Decision Support

• arxiv url: http://arxiv.org/abs/2609.31763v1
• Date: Thu, 24 Sep 2026 02:44:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:04:11.390997
• Title: SMARtCARE: Privacy-Preserving Agentic AI Systems for Bounded-Autonomy Clinical Decision Support
• Title（参考訳）: SMARtCARE: 境界自律臨床診断支援のためのプライバシ保護エージェントAIシステム
• Abstract要約: 長いコンテキストの臨床AIシステムは、事前の入院がアクティブな推論コンテキストの外に落ちると、関連する患者の履歴を見逃す可能性がある。 SMARtCAREは、このギャップに4つの状態の臨床的決定支援アーキテクチャを通して対処する。 患者識別ガードは、データ読み込み、ロギング、監査層にまたがる正しい属性を強制するように設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Long-context clinical AI systems can miss relevant patient history when prior admissions fall outside the active reasoning context. In ICU monitoring, this can cause early vital-sign drift to appear nonspecific even when it resembles a prior deterioration pattern. SMARtCARE addresses this gap through a four-state clinical decision-support architecture: Stable, Meta-cognitive, Assisted, and Regulated (Revoked). Rather than automatically retrieving prior records, SMARtCARE uses a lossy six-channel fingerprint of the patient's prior trajectory. When current drift matches that fingerprint and the prior record is absent from context, the system raises a Meta-cognitive escalation for clinician review; full retrieval occurs only through clinician action in the Assisted state. A patient-identity guard is designed to enforce correct attribution across data loading, logging, and audit layers. Evaluation combines a synthetic Monte Carlo study that validates the state-transition logic and estimator stability, not clinical performance, with real-data runs on both the MIMIC-III and MIMIC-IV Clinical Database Demos. On MIMIC-III, one prior-pattern recurrence was identified among 14 two-admission patients; on MIMIC-IV, the same pipeline produced no fingerprint matches among 9 two-admission patients, which illustrates a key limitation of a fixed canonical pattern library. Across both runs all logged decisions were fully traceable and correctly attributed. The results support SMARtCARE as a traceable, privacy-aware mechanism for surfacing middle-context risk; they are not a clinical efficacy claim.
• Abstract（参考訳）: 長いコンテキストの臨床AIシステムは、事前の入院がアクティブな推論コンテキストの外に落ちると、関連する患者の履歴を見逃す可能性がある。 ICUモニタリングでは、早期のバイタルサインドリフトが、以前の劣化パターンに似ているとしても、非特異的に現れる可能性がある。 SMARtCAREは、安定、メタ認知、補助、規制(取り消し)という4つの状態の臨床試験支援アーキテクチャを通じて、このギャップに対処する。 SMARtCAREは、過去の記録を自動的に取得する代わりに、患者の以前の軌跡の6チャンネルの指紋を紛失する。 現在のドリフトが指紋と一致し、それ以前の記録が文脈から欠落すると、システムは臨床医のレビューのためにメタ認知的エスカレーションを上昇させ、完全な検索は補助状態における臨床医の行動によってのみ行われる。 患者識別ガードは、データ読み込み、ロギング、監査層にまたがる正しい属性を強制するように設計されている。 MIMIC-IIIおよびMIMIC-IV臨床データベースデモの両方で実データの実行と、状態遷移ロジックと推定器の安定性を検証する合成モンテカルロ実験を組み合わせる。 MIMIC-IIIでは14例に1例の先行パターン再発を認め,MIMIC-IVでは9例に指紋一致を認めなかった。 どちらの実行も、ログ化されたすべての決定は完全にトレース可能で、正しく属性付けられています。 SMARtCAREは、中コンテキストリスクを克服するための追跡可能なプライバシーを意識したメカニズムであり、臨床効果の主張ではない。

関連論文リスト

• Agentic AI-based Framework for Mitigating Premature Diagnostic Handoff and Silent Hallucination in Healthcare Applications [17.69274632062373]
  オープンエンドの会話エージェントは、早期診断ハンドオフとサイレントな臨床幻覚という、2つの重要な障害モードを伴いがちである。 LLM-as-a-judge'のルーティングを決定論的オーケストレーション制約に置き換えることで、両方の問題に対処するマルチエージェントフレームワークを提案する。 本稿では,150症例を対象に,ラマ3.1-70b-インストラクトモデルを用いたシミュレートされた患者エージェントを用いたシステムの評価を行った。
  論文  参考訳（メタデータ） (2026-06-16T15:39:19Z)
• 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)
• CARE: Privacy-Compliant Agentic Reasoning with Evidence Discordance [32.43119949391787]
  集中治療室 (ICU) 設定において, 短期臓器機能低下の予測を悪化させるデータセットMIMIC-DOSを導入する。 徴候と症状が一致しない症例のみから構築する。 この設定は、既存のLLMベースのアプローチに重大な課題をもたらす。 本稿では,多段階のプライバシに準拠したエージェント推論フレームワークであるCAREを提案する。
  論文  参考訳（メタデータ） (2026-04-01T16:37:01Z)
• 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)
• Uncovering Latent Bias in LLM-Based Emergency Department Triage Through Proxy Variables [2.9269181918140643]
  本稿では,大規模言語モデル(LLM)に基づく救急医療用AIシステムのバイアスについて検討する。 その結果,EDトリアージシナリオにおいて,プロキシ変数を介する識別行動が明らかになった。 これらの結果は、AIシステムは未だにノイズ、時には正真正銘を確実に反映しない非因果信号に基づいて不完全に訓練されていることを示唆している。
  論文  参考訳（メタデータ） (2026-01-13T07:49:41Z)
• 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)
• LLM-Assisted Emergency Triage Benchmark: Bridging Hospital-Rich and MCI-Like Field Simulation [0.0]
  劣化予測のためのLCM支援緊急トリアージベンチマークをオープンに導入する。 i)バイタル、実験室、ノート、主要な苦情、構造化された観察を伴う病院に富んだ設定、(ii)バイタル、観察、ノートに限定されたMCIライクなフィールドシミュレーションである。
  論文  参考訳（メタデータ） (2025-09-30T14:54:58Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care [45.43645878061283]
  本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。 私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。 本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
  論文  参考訳（メタデータ） (2023-06-17T23:35:51Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)

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。