論文の概要: CLAIRE: A Schema-Grounded Hybrid Workflow for Healthcare Administrative Form Completion
- arxiv url: http://arxiv.org/abs/2609.32787v1
- Date: Sat, 26 Sep 2026 17:02:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 20:16:09.491885
- Title: CLAIRE: A Schema-Grounded Hybrid Workflow for Healthcare Administrative Form Completion
- Title（参考訳）: CLAIRE: 医療管理フォーム補完のためのスキーマ付きハイブリッドワークフロー
- Abstract要約: CLAIREは、フィールド状態の検出、ソースからフィールドへのマッピング、決定論的検証、境界付き修正、エスカレーション、監査トレースを分離するハイブリッドワークフローである。
5つの総合医療管理スキーマ,1,000のソースレコード,4つのインターフェースバリアント,2つのデータ品質スイート,6つのコンパレータをテストした結果,24,000のベンチマークエピソードが得られた。
- 参考スコア（独自算出の注目度）: 0.40719854602160227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Healthcare administrative staff transfer structured information from electronic health records, referrals, claims systems, provider rosters, and work queues into dynamic forms. We developed and evaluated CLAIRE (Clinical Language and Agentic Intelligence for Reasoning and Entry), a hybrid workflow that separates field-state discovery, source-to-field mapping, deterministic validation, bounded correction, escalation, and audit tracing. We tested five synthetic healthcare administrative schemas, 1,000 source records, four interface variants, two data-quality suites, and six comparators, yielding 24,000 benchmark episodes. A separate strict-output audit evaluated direct mappings from Qwen2.5-1.5B and Qwen2.5-7B, and a trace-derived operational simulation covered 6,000 episodes. Under the evaluated synthetic benchmark conditions, full CLAIRE achieved 1.000 episode success, field accuracy, required-field completion, and dependency completion in both suites; removing validation reduced stress-suite success to 0.500. In the simulation, 100.0% of clean and validation-stress episodes reached a staff-reviewable draft, compared with 68.6% of escalation challenge episodes, unsupported cases were blocked. Scenario-based savings were 149.7-165.5 seconds per case, not observed staff times. The findings support schema-grounded, validation-first healthcare administrative automation in which language-model components assist mapping but do not authorize unsupported or consequential actions.
- Abstract（参考訳）: 医療管理スタッフは、電子的な健康記録、紹介書、クレームシステム、提供者ロスター、作業キューから動的形式に構造化された情報を転送する。
我々は、フィールド状態発見、ソース・ツー・フィールドマッピング、決定論的検証、境界修正、エスカレーション、監査追跡を分離するハイブリッドワークフローであるCLAIRE(Clinical Language and Agentic Intelligence for Reasoning and Entry)を開発し、評価した。
5つの総合医療管理スキーマ,1,000のソースレコード,4つのインターフェースバリアント,2つのデータ品質スイート,6つのコンパレータをテストし,ベンチマークを24,000回実施した。
また、Qwen2.5-1.5BとQwen2.5-7Bからの直接マッピングを評価し、6000回にわたってトレース由来の運用シミュレーションを行った。
評価された総合ベンチマーク条件の下では、CLAIREは1.000回の成功、フィールド精度、必須フィールド完了、および両方のスイートでの依存性完了を達成した。
シミュレーションでは、クリーニングとバリデーションストレスのエピソードの100.0%がスタッフレビュー可能なドラフトに達し、エスカレーションチャレンジエピソードの68.6%がブロックされた。
シナリオベースの貯蓄は、1ケースあたり149.7-165.5秒であり、スタッフタイムは観測されなかった。
この発見は、言語モデルコンポーネントがマッピングを補助するが、サポートされていない、あるいは後続のアクションを許可しない、スキーマ付き、バリデーションファーストの医療管理自動化をサポートする。
関連論文リスト
- Large Language Models for Structured Clinical Data Analysis: Dual-Agent Grounding and Validation [0.8928205089779694]
CLEAR-Medは、構造化された臨床データの自然言語解析のための二重エージェントフレームワークである。
CLEAR-Medは、構造化された臨床データのトレース可能な分析のための一般的なアーキテクチャを提供する。
論文 参考訳（メタデータ） (2026-09-28T00:02:51Z) - Human-AI Collaboration for Multi-Line Task Adjustment Using Local Large Language Models and a Digital Twin [0.0]
本研究では,局所的な大規模言語モデル,デジタルツイン,人的意思決定を統合したマルチラインタスク調整システムを提案する。
Propose-Verify-Decideワークフローオペレータの意図は、構造化された要件に変換し、一連の候補戦略を生成し、セマンティクス、シミュレーション実行、運用上の制約をチェックする。
この結果は、トレーサブルな戦略レビューワークフローを示しているが、全体的な信頼性や長期的な安定性は確立していない。
論文 参考訳（メタデータ） (2026-09-24T05:48:53Z) - ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks [60.600151982455195]
ProgramDistillは、完全に機能する参照アプリケーションとのインタラクションによって発見された機能について、コーディングエージェントを評価するベンチマークである。
私たちのパイプラインであるマイニングクラフトパッチは、26のアプリケーションにまたがる1,975のリプレイ検証された振る舞いを発見し、人間の介入なしに4,063のタスクを構築します。
論文 参考訳（メタデータ） (2026-09-16T15:19:05Z) - Closed-Loop Validation-Repair for Healthcare Interoperability: A Multi-Model Study of Schema Compliance in Clinical LLMs [0.0]
Qwen2.5 7B, Llama 3.1 8B, Gemma2 9Bの3つのオープンソースモデルを評価する。
スキーマ非コンプライアンスは3つのモデルファミリ間で一貫性があり、ベースラインコンプライアンス率は85.9から91.6%である。
バリデーション・リペア・フレームワークは、モデル全体で98.4から99.4%の範囲で、全体的なコンプライアンスを99.0パーセント達成している。
論文 参考訳（メタデータ） (2026-07-27T12:45:27Z) - The Librarian Who Refused to Code: Model-Dependent Identity Enactment in LLM Code Generation [0.0]
4つの条件(ペルソナなし、2人のエンジニアペルソナ、研究図書館ペルソナ)、12のコード生成タスク、2つのフロンティアモデル、5つのセル実行)をテストした。
事前登録された混合効果分析では, プロバイダが報告した出力トークンに対して, 条件・バイ・モデル相互作用が重要であった。
Claude Opusでは、最小限のエンジニアのペルソナが正確性を改善することなく可視出力を30%削減し、一方、徹底的なエンジニアのペルソナは正確性のないアウトプットを増加させた。
論文 参考訳（メタデータ） (2026-07-19T21:47:58Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Evaluating Large Language Models in Dynamic Clinical Decision-Making with Standardized Patient Cases [71.12461204050985]
MedSP1000 (MedSP1000) は、SP由来の臨床エージェント評価のための対話型ベンチマークである。
ピアレビューされたSPの授業ケースを、定義されたSPケーススクリプト、臨床環境コンテキスト、人為的な構造化ルーブリックで実行可能なシナリオに変換する。
MedSP1000を多種多様な汎用および医療用LLMに適用すると、静的ベンチマークの性能がそのような教育シナリオに確実に変換されないことが分かる。
論文 参考訳（メタデータ） (2026-06-03T17:17:16Z) - Iterative Audit Convergence in LLM-Managed Multi-Agent Systems: A Case Study in Prompt Engineering Quality Assurance [0.0]
AEGISに適用されたエージェント駆動型監査の単一システム事例研究を報告する。
本報告では, 明示的な符号規則, 非単調な収束, 監査スコープの拡がりを含む7カテゴリーの欠陥分類を報告する。
論文 参考訳（メタデータ） (2026-05-12T15:39:04Z) - Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows [67.92316850084575]
ワークフローエージェントのライブベンチマークであるClaw-Eval-Liveを紹介する。
各リリースは、公開ワークフロー要求信号から構築される。
Claw-Eval-Liveは実行トレース、監査ログ、サービス状態、実行後のワークスペースアーティファクトを記録する。
論文 参考訳（メタデータ） (2026-04-30T17:23:19Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。