論文の概要: A bilingual AI audiologist built through rubric-guided playbook induction outperforms human audiologists in a blinded evaluation of simulated cases
- arxiv url: http://arxiv.org/abs/2609.32220v1
- Date: Sat, 26 Sep 2026 04:27:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 18:48:29.322282
- Title: A bilingual AI audiologist built through rubric-guided playbook induction outperforms human audiologists in a blinded evaluation of simulated cases
- Title（参考訳）: ルーリック誘導型プレイブック誘導によるバイリンガルAIオーディオロジストは、シミュレーション事例の盲点評価において、人間のオーディオロジストより優れる
- Abstract要約: 本稿では,汎用的な大言語モデルとルーリック誘導型プレイブックを組み合わせたバイリンガルAIオーディオロジスティクスを提案する。
訓練例73例から19ルールの相談方針を導出し,58例の独立したシミュレートを行った。
AIオーディオ学者は、すべてのケース(58/58;平均は5点合成で$ = +1.35、コーエンのd = 1.84、$P = 4.5倍10-20$)で人間のオーディオ学者より優れていた。
- 参考スコア（独自算出の注目度）: 2.2882461935036615
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Audiology consultation requires structured history-taking, audiometric interpretation and patient-centred communication, yet real-world case material is scarce. We present a bilingual AI audiologist pairing a general-purpose large language model with rubric-guided playbook induction, multimodal audiogram interpretation and retrieval-augmented grounding, without fine-tuning the language-model backbone. Using a 21-item rubric and an AI patient simulator, we induced a 19-rule consultation policy from 73 training cases (43 English, 30 Chinese) and evaluated the system on 58 independent simulated cases (30 Chinese, 28 English) in a pre-specified, source-blinded comparison with 17 practising audiologists. The AI audiologist outperformed human audiologists on every case (58/58; mean paired $Δ$ = +1.35 on a 5-point composite, Cohen's d = 1.84, $P = 4.5 \times 10^{-20}$), on 20 of 21 rubric items and in both languages. Component ablation identified the playbook as the largest contributor, offering a practical route to specialist consultation agents in low-data medical domains.
- Abstract（参考訳）: オーディオ学のコンサルテーションには、構造化された履歴撮影、オーディオメトリクスの解釈、患者中心のコミュニケーションが必要であるが、実世界の事例資料は乏しい。
本稿では,言語モデルのバックボーンを微調整することなく,汎用的な大言語モデルと,ルーリック誘導型プレイブック誘導,マルチモーダルオーディオグラム解釈,検索強化グラウンドディングを組み合わせたバイリンガルAI音響学者を提案する。
21項目のルーブリックとAI患者シミュレータを用いて,73例(英語43例,中国語30例)から19ルールの相談方針を誘導し,58例(中国語30例,英語28例)の独立した模擬症例を,17名の実践音声学者と比較した。
AIオーディオ学者は、すべてのケース(58/58;平均で$Δ$ = +1.35, Cohen's d = 1.84, $P = 4.5 \times 10^{-20}$)において、21のルーブルアイテムと両方の言語で、人間のオーディオ学者より優れていた。
コンポーネント・アブレーションは、このプレイブックを最大のコントリビュータとして特定し、低データ医療領域における専門的なコンサルティングエージェントへの実践的なルートを提供した。
関連論文リスト
- A Dataset of Robot-Patient and Doctor-Patient Medical Dialogues for Spoken Language Processing Tasks [0.0]
MeDial-Speechは、Med-AIのトレーニングと評価のための新しい音声データセットである。
ロボット患者と医師患者との対話から現実的な環境下で収集した。
健康状態は、レヴィ・ボディー・認知症、心不全、肩痛、狭心症である。
論文 参考訳（メタデータ） (2026-05-26T09:21:54Z) - Towards Conversational Medical AI with Eyes, Ears and a Voice [19.359997612335018]
我々は,対話型AIシステムであるAIコクリニシアンを紹介する。
その二重エージェントアーキテクチャは、自然な対話に必要な低レイテンシと深い臨床推論のバランスをとる。
我々の研究は、テキストのみのアプローチが、医療相談の真の課題を捉えるのに失敗していることを示している。
論文 参考訳（メタデータ） (2026-05-10T02:43:49Z) - Language Models as Semantic Teachers: Post-Training Alignment for Medical Audio Understanding [15.79973026677169]
事前訓練された音響モデルは、聴力音の音響パターンを検出するのに優れるが、臨床的意義を把握できないことが多い。
AcuLaは、医療用言語モデルと整合することで、任意のオーディオエンコーダに意味理解を組み込むフレームワークである。
我々の研究は、このオーディオ言語アライメントが純粋に音響モデルから臨床的に認識される診断ツールに変換することを実証している。
論文 参考訳（メタデータ） (2025-12-04T14:30:58Z) - Generating Natural-Language Surgical Feedback: From Structured Representation to Domain-Grounded Evaluation [66.7752700084159]
外科的トレーナーからの高品質なフィードバックは,訓練者のパフォーマンス向上と長期的スキル獲得に不可欠である。
本稿では,実際の訓練者-訓練者間の文書から外科的行動オントロジーを学習する構造対応パイプラインを提案する。
論文 参考訳（メタデータ） (2025-11-19T06:19:34Z) - MedPT: A Massive Medical Question Answering Dataset for Brazilian-Portuguese Speakers [35.41469674626373]
ブラジル初の大規模実世界コーパスであるMedPTを紹介した。
患者と医師の相互作用から384,095個の質問応答対を合成する。
本分析では,患者と医師のコミュニケーションにおける自然な非対称性など,主題の幅(3,200トピックス)と独特の言語特性を明らかにした。
論文 参考訳（メタデータ） (2025-11-14T21:13:28Z) - Hulu-Med: A Transparent Generalist Model towards Holistic Medical Vision-Language Understanding [112.46150793476603]
透明で汎用的な医用ビジョンランゲージモデル(VLM)であるHulu-Medを紹介する。
Hulu-Medは1670万サンプルのキュレートされたコーパスで訓練されており、12の解剖学的システムと14の医用画像モダリティにまたがっている。
Hulu-Medは、30ベンチマーク中27ベンチマークで既存のオープンソースモデルを上回っ、16ベンチマークでGPT-4oなどのプロプライエタリシステムを上回っている。
論文 参考訳（メタデータ） (2025-10-09T17:06:42Z) - 3MDBench: Medical Multimodal Multi-agent Dialogue Benchmark [2.3011663397108078]
3MDBenchは、LVLM駆動の遠隔医療相談をシミュレートし評価するためのオープンソースのフレームワークである。
内部推論によるマルチモーダル対話は、非対話設定よりもF1スコアが6.5%向上する。
診断畳み込みニューラルネットワークからLVLMのコンテキストに予測を注入すると、F1は最大20%向上する。
論文 参考訳（メタデータ） (2025-03-26T07:32:05Z) - Decoding speech perception from non-invasive brain recordings [48.46819575538446]
非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。
我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
論文 参考訳（メタデータ） (2022-08-25T10:01:43Z) - Exploiting Cross-domain And Cross-Lingual Ultrasound Tongue Imaging
Features For Elderly And Dysarthric Speech Recognition [55.25565305101314]
調音機能は音響信号歪みに不変であり、音声認識システムにうまく組み込まれている。
本稿では,A2Aモデルにおける24時間TaLコーパスの並列音声・超音波舌画像(UTI)データを利用したクロスドメインおよびクロスランガルA2Aインバージョン手法を提案する。
生成した調音機能を組み込んだ3つのタスクの実験は、ベースラインのTDNNとコンフォーマーASRシステムより一貫して優れていた。
論文 参考訳（メタデータ） (2022-06-15T07:20:28Z) - Human Evaluation and Correlation with Automatic Metrics in Consultation
Note Generation [56.25869366777579]
近年,機械学習モデルによる臨床相談ノートの作成が急速に進んでいる。
5人の臨床医が57件のモック・コンサルテーションを聴き、自作のノートを書き、自動的に生成されたノートを編集し、全てのエラーを抽出する、広範囲にわたる人的評価研究を行った。
単純な文字ベースのLevenshtein距離測定は、BertScoreのような一般的なモデルベースの測定値に比較して、同等に動作します。
論文 参考訳（メタデータ） (2022-04-01T14:04:16Z)
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。