論文の概要: Improving Medical Calculation of LLMs with Embedded Coding

• arxiv url: http://arxiv.org/abs/2609.31908v1
• Date: Fri, 25 Sep 2026 18:52:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 04:44:41.433522
• Title: Improving Medical Calculation of LLMs with Embedded Coding
• Title（参考訳）: 埋め込み符号化によるLDMの医療計算の改善
• Abstract要約: 我々は、組込み実行可能コードを生成するためにLSMをトレーニングすることで、医療計算を改善するフレームワークであるMedCodeを紹介した。 臨床的コンテキストが与えられた場合、モデルは関連する電卓を特定し、入力変数を抽出し、算術演算を決定論的インタプリタに委譲するスクリプトを生成する。 LLaMA3-8B、Qwen2.5-7B、Mistral-7Bによる実験では20～30ポイントの絶対精度が得られた。
• 参考スコア（独自算出の注目度）: 19.77893453301027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) perform well on medical examinations and question-answering benchmarks, but remain unreliable on medical calculation tasks that require exact numerical outputs. These calculations support high-stakes decisions such as medication dosing, organ-function assessment, and prognostic scoring, for which even small errors can have serious clinical consequences. We introduce MedCode, a framework that improves medical calculation by training LLMs to generate embedded executable code. Given a clinical context, the model identifies the relevant calculator, extracts its input variables, and produces a script that delegates arithmetic operations to a deterministic interpreter. Executing the script returns the calculated value together with an explanation and the appropriate unit. We construct supervised fine-tuning (SFT) and preference datasets from the MedCalc benchmark and additionally curate a dataset for calculation tasks in Intensive Care Unit (ICU) scenarios. We further propose weighted Direct Preference Optimization (wDPO), which adaptively emphasizes preference pairs that are difficult for the model to distinguish. Experiments with LLaMA3-8B, Qwen2.5-7B, and Mistral-7B show absolute accuracy gains of 20--30 percentage points, demonstrating the effectiveness of embedded code generation for medical calculation.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、医学検査や質問応答ベンチマークでよく機能するが、正確な数値出力を必要とする医療計算タスクでは信頼性が低い。 これらの計算は、薬物投与、臓器機能評価、予後スコアなどの、小さなエラーでさえ深刻な臨床結果をもたらす高い評価の判断を支援する。 我々は、組込み実行可能コードを生成するためにLSMをトレーニングすることで、医療計算を改善するフレームワークであるMedCodeを紹介した。 臨床的コンテキストが与えられた場合、モデルは関連する電卓を特定し、入力変数を抽出し、算術演算を決定論的インタプリタに委譲するスクリプトを生成する。 スクリプトを実行すると、計算された値と説明と適切なユニットが返される。 我々は、MedCalcベンチマークから教師付き微調整(SFT)および選好データセットを構築し、さらに集中ケアユニット(ICU)シナリオにおけるタスクの計算データセットをキュレートする。 さらに,モデルの識別が困難である選好ペアを適応的に強調する,重み付き直接選好最適化(wDPO)を提案する。 LLaMA3-8B, Qwen2.5-7B, Mistral-7Bを用いた実験では, 20～30ポイントの絶対精度が得られた。

関連論文リスト

• MedCalc-Pro: Solving Complex Medical Calculations with LLM Agents [7.682551949752529]
  我々は,3つのタスク設定を段階的にカバーする新しい医療計算ベンチマーク,MedCalc-Proを提案する。 MedCalc-Proには2,268のリアルな臨床ケースがあり、14の臨床部門で77の医療電卓をカバーしている。 また,マルチツール選択とネストツール呼び出しをサポートする,より一般化可能なエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-03T02:24:26Z)
• MedMCP-Calc: Benchmarking LLMs for Realistic Medical Calculator Scenarios via MCP Integration [17.39421062613435]
  MedMCP-Calcは、MedMCP(Model Context Protocol)の統合により、医学計算のシナリオを評価するための最初のベンチマークである。 MedMCP-Calcは、4つの臨床領域にまたがる118のシナリオタスクから構成されており、自然なクエリ、構造化データベースのインタラクション、外部参照検索、プロセスレベルの評価を模倣するファジィタスク記述が特徴である。 我々は、シナリオ計画とツール拡張を取り入れた微調整モデルであるCalcMateを開発し、オープンソースモデル間の最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-01-30T14:56:20Z)
• A Federated and Parameter-Efficient Framework for Large Language Model Training in Medicine [59.78991974851707]
  大規模言語モデル(LLM)は、質問応答や診断など、医療ベンチマークにおいて強力なパフォーマンスを示している。 ほとんどの医療用LDMは、異種システムの一般化性と安全性の制限に直面している単一の機関のデータに基づいて訓練されている。 本稿では, LLMを医療応用に適用するためのモデルに依存しない, パラメータ効率のよいフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:48:21Z)
• From Scores to Steps: Diagnosing and Improving LLM Performance in Evidence-Based Medical Calculations [45.414878840652115]
  大規模言語モデル(LLM)は医療ベンチマークで有望な性能を示した。 しかし、医学的な計算を行う能力は未熟であり、評価も不十分である。 本研究は,臨床信頼性を重視した医療計算評価を再考する。
  論文  参考訳（メタデータ） (2025-09-20T09:10:26Z)
• MedCalc-Bench: Evaluating Large Language Models for Medical Calculations [18.8552481902506]
  医学における大規模言語モデル(LLM)を評価するための現在のベンチマークは、主にドメイン知識と記述的推論を含む質問応答に焦点を当てている。 我々は,LSMの医療計算能力を評価することを目的とした,第一種データセットであるMedCalc-Benchを提案する。
  論文  参考訳（メタデータ） (2024-06-17T19:07:21Z)
• Interpretable Medical Diagnostics with Structured Data Extraction by Large Language Models [59.89454513692417]
  タブラルデータはしばしばテキストに隠され、特に医学的診断報告に使用される。 本稿では,TEMED-LLM と呼ばれるテキスト医療報告から構造化表状データを抽出する手法を提案する。 本手法は,医学診断における最先端のテキスト分類モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:12:28Z)
• Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review and Replicability Study [60.56194508762205]
  我々は、最先端の医療自動化機械学習モデルを再現し、比較し、分析する。 その結果, 弱い構成, サンプル化の不十分さ, 評価の不十分さなどにより, いくつかのモデルの性能が低下していることが判明した。 再生モデルを用いたMIMIC-IVデータセットの総合評価を行った。
  論文  参考訳（メタデータ） (2023-04-21T11:54:44Z)
• Active learning for medical code assignment [55.99831806138029]
  臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。 その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
  論文  参考訳（メタデータ） (2021-04-12T18:11:17Z)
• Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
  我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。 我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T06:09:02Z)

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。