論文の概要: AnesTRACE: Benchmarking Intraoperative Anesthesia from Multimodal Perception to Multi-step Decision-Making
- arxiv url: http://arxiv.org/abs/2609.32740v2
- Date: Wed, 30 Sep 2026 17:19:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:25.788145
- Title: AnesTRACE: Benchmarking Intraoperative Anesthesia from Multimodal Perception to Multi-step Decision-Making
- Title（参考訳）: AnesTRACE : マルチモーダル・パーセプションから多段階意思決定までの術中麻酔のベンチマーク
- Abstract要約: AnesTRACEはAnesTRACE-BenchとAnesTRACE-Evalからなる評価スイートである。
AnesTRACE-Bench は, 術中知覚, シングルポイント麻酔, マルチステップ麻酔, マルチステップ麻酔を評価した。
AnesTRACE-Evalは、麻酔科医が定義した臨床正当性、エビデンスグラウンド、タスク完全性、安全性の基準を通じて、オープンエンド応答を評価する。
- 参考スコア（独自算出の注目度）: 15.28746327768664
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intraoperative anesthesia requires systems to interpret evolving multimodal evidence, recommend timely management, and revise decisions as patient states change, yet existing benchmarks usually isolate perception or single-point reasoning. We introduce AnesTRACE, an evaluation suite comprising AnesTRACE-Bench and AnesTRACE-Eval. Built from public perioperative datasets with anesthesiologist annotation, AnesTRACE-Bench evaluates Intraoperative Perception, Single-point Anesthesia Decision-Making, and Multi-step Anesthesia Decision-Making. AnesTRACE-Eval assesses open-ended responses through anesthesiologist-defined criteria for Clinical Correctness, Evidence Grounding, Task Completeness, and Safety, with Temporal Consistency for multi-step decisions; its domain-specific evaluator is trained by supervised fine-tuning and preference alignment on expert-reviewed judgments. Across more than 30 models, fine-grained visual grounding and intervention selection remain difficult: the leading model reaches only 32.2 mIoU for TEE visual grounding and retains a 17.5\% Major/Critical Safety Error Rate in multi-step management. Evaluator alignment with anesthesiologists improves across both training stages, while the best decision quality is accompanied by a 74.3-second P95 Latency. These results show that aggregate performance alone does not establish safe, timely longitudinal decision-making. We release our code at https://zjudbxai.github.io/AnesTRACE/.
- Abstract（参考訳）: 術中麻酔は、進化するマルチモーダルエビデンスを解釈し、タイムリーな管理を推奨し、患者の状態が変化するにつれて決定を改訂するシステムを必要とするが、既存のベンチマークは通常、知覚または単一点推論を分離する。
AnesTRACEはAnesTRACE-BenchとAnesTRACE-Evalを組み合わせた評価スイートである。
AnesTRACE-Benchは, 術中知覚, 単一点麻酔切開, 多段階麻酔切開の評価を行った。
AnesTRACE-Evalは、麻酔科医が定義した臨床正当性、エビデンスグラウンド、タスク完全性、安全の基準を多段階決定のための時間的整合性で評価する。
30モデル以上にわたって、きめ細かい視覚的接地と介入の選択は困難であり、トップモデルはTEE視覚的接地のために32.2 mIoUにしか達せず、マルチステップ管理において17.5\%のメジャー/クリティカルセーフティエラー率を保持する。
麻酔科医とのアライメントは両方の訓練段階にわたって改善され、最高の判定品質には74.3秒のP95レイテンシが伴う。
これらの結果から,集計性能だけでは安全でタイムリーな意思決定が確立されないことが明らかとなった。
コードをhttps://zjudbxai.github.io/AnesTRACE/でリリースします。
関連論文リスト
- Asclepius: An Adaptive Harness for Long-Horizon Clinical Agents [10.003509950132251]
ロングホライゾン実行障害は、構造化された多次元グレーディングの下で単一のロールアウトで測定可能となる。
自己進化型ハーネスを用いた適応型エージェント足場Asclepiusを紹介した。
Asclepiusは強力なベースラインエージェントフレームワークよりも22%向上する。
論文 参考訳（メタデータ） (2026-09-11T21:14:59Z) - From Few-Shot Segmentation to Clinician-in-the-Loop Medical Image Analysis [2.055949720959582]
FSMIS (Few-shot Medical Image segmentation) は、未確認構造を小さなサポートセットから切り離そうとしているが、標準的な定式化は推論の前にタスク定義の証拠を修正する。
我々はFSMISを3層連続決定問題として再検討した。
本研究は,6つの仮説を明示的な依存順序で記述し,臨床研究に先立って基礎的自己評価の主張を偽装できる最小限のパイロットを提案する。
論文 参考訳（メタデータ） (2026-09-09T10:26:51Z) - StrokeGuard: A Multi-Agent Guided System for Prehospital Stroke Assessment [3.046219182166974]
臨床実践では、FASTベースの尺度が脳卒中前脳卒中評価に広く用いられている。
非臨床ユーザーは、不正確な記述、不完全な症状観察、困難な手術手順などの課題に遭遇することが多い。
本稿では,脳卒中前脳卒中診断のためのマルチエージェントガイドシステムであるStrokeGuardについて述べる。
論文 参考訳（メタデータ） (2026-08-25T13:39:30Z) - ClinEnv: An Interactive Multi-Stage Long Horizon EHR Environment for Agents [14.434996950038956]
ClinEnvは、決定論的グラウンドマッチングと、その情報収集方法を通じて、モデルが決定するものをスコア付けする。
ClinEnvは、結果のみの評価に見えない、直接測定可能な情報取得ギャップを作る。
論文 参考訳（メタデータ） (2026-06-01T17:56:26Z) - A Multi-Agent Framework for Interpreting Multivariate Physiological Time Series [9.72130666902599]
本稿では,多変量生理的時系列を記述した役割構造型マルチエージェントシステムであるVivaldiを紹介する。
実験の結果,エージェントパイプラインは,非思考的,医学的に微調整されたモデルに極めて有用であることがわかった。
一方、痛みスコアや滞在時間といった主観的対象は、限定的あるいは矛盾的な変化を示す。
論文 参考訳（メタデータ） (2026-03-04T14:55:46Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。
本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。
本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
論文 参考訳（メタデータ） (2025-10-11T16:24:35Z) - RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。
RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文 参考訳（メタデータ） (2025-09-24T10:36:14Z) - Uncertainty-Driven Expert Control: Enhancing the Reliability of Medical Vision-Language Models [52.2001050216955]
既存の方法は、モデル構造を調整したり、高品質なデータで微調整したり、好みの微調整によって、医療ビジョン言語モデル(MedVLM)の性能を向上させることを目的としている。
我々は,MedVLMと臨床専門知識の連携を図るために,Expert-Controlled-Free Guidance (Expert-CFG) という,ループ内のエキスパート・イン・ザ・ループフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-12T09:03:30Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z)
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。