論文の概要: From Image Interpretation to Clinical Reasoning: Upstream Physician-Context-Aware Multimodal Learning with Causal Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.38924v1
• Date: Wed, 30 Sep 2026 04:07:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.158176
• Title: From Image Interpretation to Clinical Reasoning: Upstream Physician-Context-Aware Multimodal Learning with Causal Reinforcement Learning
• Title（参考訳）: 画像解釈から臨床推論へ:因果強化学習による上流の医師-文脈認識型マルチモーダル学習
• Abstract要約: MACE(Major Bad Cardiovascular Event)は、世界中で死亡率の高い疾患である。 日常的に取得された臨床データを用いた機会的スクリーニングは、急性事象が起こる前にリスクの高い個人を特定するためのスケーラブルなアプローチを提供する。 本稿では,CXRと医師認可臨床履歴を統合したマルチモーダル臨床推論のための因果強化学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.704991308417349
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Major adverse cardiovascular events (MACE) remain the leading cause of mortality worldwide. Opportunistic screening using routinely acquired clinical data offers a scalable approach for identifying high-risk individuals before acute events occur. Although chest X-rays (CXRs) capture latent cardiovascular biomarkers and clinical histories provide complementary patient context, existing medical vision-language models are primarily optimized for radiology interpretation rather than prognostic reasoning. We propose a causal reinforcement learning framework for multimodal clinical reasoning that integrates CXRs and physician-authored clinical histories for opportunistic MACE prediction. The framework introduces (1) a role-decoupled dual-LLM architecture that separates reasoning from risk prediction, (2) a dual-action causal reinforcement learning policy for evidence selection and reasoning optimization, and (3) causal token pruning to learn compact multimodal representations. Evaluated on an internal cohort, an emergency department cohort, and the external MIMIC dataset, the proposed framework consistently outperformed unimodal baselines and state-of-the-art medical vision-language models, achieving AUROCs of 0.720, 0.760, and 0.845, respectively. It also substantially improved reasoning quality, achieving higher GREEN scores and higher expert preference while maintaining robust predictive performance across diverse patient populations.
• Abstract（参考訳）: MACE(Major Bad Cardiovascular Event)は、世界中で死亡率の高い疾患である。 日常的に取得された臨床データを用いた機会的スクリーニングは、急性事象が起こる前にリスクの高い個人を特定するためのスケーラブルなアプローチを提供する。 胸部X線(CXR)は潜在性心血管バイオマーカーを捕捉し,臨床病理組織は相補的な患者コンテキストを提供するが,既存の医用視覚言語モデルは予後推論ではなく,主に放射線学的解釈に最適化されている。 本稿では,CXRと医師認可臨床履歴を統合したマルチモーダル臨床推論のための因果強化学習フレームワークを提案する。 本フレームワークでは,(1)リスク予測から推論を分離する役割分離型デュアルLLMアーキテクチャ,(2)証拠選択と推論最適化のためのデュアルアクション因果強化学習ポリシ,(3)コンパクトなマルチモーダル表現を学習するための因果トークンプルーニングを紹介する。 内部コホート,緊急部コホート,および外部MIMICデータセットに基づいて,提案したフレームワークは,それぞれ0.720,0.760,0.845のAUROCを達成し,一過性のベースラインと最先端の医療ビジョン言語モデルを上回った。 また、推論品質を大幅に改善し、GREENスコアを高くし、専門家の嗜好を高くし、多様な患者群で堅牢な予測性能を維持した。

関連論文リスト

• ClinRAG-GRAPH: Clinical-prior Retrieval-Augmented Graph Model with Domain Adversarial Learning for Breast pCR Prediction [27.661246388005384]
  ClinRAG-GRAPHは,pCR(pre-treatment pathological complete response)予測のためのフレームワークである。 ClinRAG-GRAPHは、患者内臨床・プライアグラフを構築し、構造化マルチモーダル表現学習のための事前ガイダンス付き関係対応グラフ畳み込みネットワークを適用した。 ClinRAG-GRAPHは内部テストセットで0.815、外部テストセットで0.774/0.712のAUCを達成し、センター全体で堅牢なpCR予測を実証している。
  論文  参考訳（メタデータ） (2026-07-01T11:28:01Z)
• CARE: Causally-Aligned Reasoning Exploration for Medical Large Language Models [68.18247112359337]
  大規模言語モデル(LLM)は、医学的推論に強い可能性を示しているが、専門家による注釈付きデータの不足とコストは、その進歩を妨げている。 本稿では,本質的な経験キュレーションの枠組みであるCausally-Aligned Reasoning Exploration (CARE)を提案する。 CAREは、他の強力な競争相手よりも一貫して優れており、正しいが一貫性のない推論を大幅に削減し、トレーニングの安定性を改善している。
  論文  参考訳（メタデータ） (2026-06-29T05:40:35Z)
• EchoSonar-R: A Multi-View Reasoning-Enabled Model for Disease Classification and Report Generation in Echocardiography [4.445909648625997]
  疾患分類と報告生成を共同で行う多視点推論対応視覚対応モデルであるEchoSonar-Rを提案する。 EchoSonar-Rは2つの段階で訓練されている: 推論アノテート対象に関する教師付き微細言語エンコーダ (SFT) と、タスク固有の報酬を伴うグループ相対ポリシー最適化 (O) である。 EchoSonar-Rではマクロバランスの精度が17.1%向上し、MIMICQAでは6.1%向上した。
  論文  参考訳（メタデータ） (2026-06-26T14:58:45Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• MOSCARD -- Causal Reasoning and De-confounding for Multimodal Opportunistic Screening of Cardiovascular Adverse Events [3.206697649226124]
  MACE(Major Adverse Cardiovascular Events)は、2021年のGlobal Disease Studyで報告された、世界の死亡率の主要な原因である。 機会論的スクリーニングは、定期的な健康チェックから収集されたデータを活用し、マルチモーダルデータはリスクのある個人を特定する上で重要な役割を果たす。 そこで我々は,MOSCARD(MOSCARD, Multimodal causal reasoning with co-attention)という新たな予測モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-23T22:28:37Z)
• CardioCoT: Hierarchical Reasoning for Multimodal Survival Analysis [2.668073128790639]
  新たな2段階の階層的推論強化型生存分析フレームワークであるCardioCoTを提案する。 第一段階では,LLM/VLMを誘導するエビデンス強化自己精製機構を用いて,ロバストな階層的推論軌道を生成する。 第2段階では、リスクモデルトレーニングと予測のための画像データと推論軌跡を統合する。
  論文  参考訳（メタデータ） (2025-05-25T15:41:18Z)
• Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community Retrieval [61.70489848327436]
  KAREは、知識グラフ(KG)コミュニティレベルの検索と大規模言語モデル(LLM)推論を統合する新しいフレームワークである。 MIMIC-IIIでは最大10.8～15.0%、MIMIC-IVでは12.6～12.7%である。
  論文  参考訳（メタデータ） (2024-10-06T18:46:28Z)

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。