論文の概要: Ranking-Aware Prompt Optimization for Multimodal Clinical Diagnosis

• arxiv url: http://arxiv.org/abs/2609.40361v1
• Date: Wed, 30 Sep 2026 17:59:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.353733
• Title: Ranking-Aware Prompt Optimization for Multimodal Clinical Diagnosis
• Title（参考訳）: マルチモーダルな臨床診断のためのランキングアウェアプロンプト最適化
• Abstract要約: AUROC(しきい値なしスコア)の評価と最適化を行った。 MIMIC上の3つの疾患のうち、精度に基づくプロンプト進化はランキングを低下させる可能性がある。 本手法は,テキストのみのデータから多モーダルな臨床的意思決定へ,即時的な進化を延長する。
• 参考スコア（独自算出の注目度）: 18.359901080884637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal large language models (MLLMs) are rapidly advancing clinical diagnosis, yet their adaptation pipelines remain anchored to accuracy-based objectives. Clinical data are heavily class-imbalanced: a constant-majority predictor can score above 90% accuracy while being clinically useless. We therefore evaluate and optimize for AUROC, a threshold-free score that ranks positives above negatives and is invariant to class balance. We focus on prompt optimization in MLLMs. Reflective methods such as GEPA use a binary scores matrix with one row per evaluation instance and one column per candidate prompt; cells record per-instance correctness, so the column average is accuracy and drives candidate selection. We introduce pair-level Pareto prompt evolution (Ranking-PE), which replaces each correctness row with a pairwise-ordering row over (positive, negative) instance pairs: the cell is 1 if the candidate scores the positive higher than the paired negative. The column average then equals empirical AUROC (by the Wilcoxon-Mann-Whitney identity). We apply this swap at all three layers the prompt evolution search reads from - the scores matrix that decides Pareto dominance, the per-example feedback to the reflection LM, and final candidate selection - at no extra model calls and with no surrogate loss. Across three diseases on MIMIC, accuracy-based prompt evolution can degrade ranking; Ranking-PE reverses this, beating the accuracy-based recipe by +5.8 AUROC pp on fine-tuned Qwen3-VL-8B and +16.2 pp on MedGemma-4B. Ablations examine each design component and show that a medical-grade visual backbone - via vision-encoder-tuned SFT or medical pretraining - is a prerequisite that prompt search cannot replace - our recipe extends reflective prompt evolution from text-only data to multimodal clinical decision-making.
• Abstract（参考訳）: MLLM(Multimodal large language model)は急速に臨床診断が進んでいるが、適応パイプラインは精度に基づく目標に固定されている。 定値予測器は、臨床的に役に立たない状態で90%以上の精度で得点することができる。 そこで我々はAUROCの評価と最適化を行う。AUROCは正値が負値以上で、クラスバランスに不変な閾値のないスコアである。 MLLMの迅速な最適化に着目する。 GEPAのような反射的手法では、評価インスタンス毎に1行ずつ、候補プロンプト毎に1列ずつのバイナリスコア行列を使用する。 ペアレベルのParetoプロンプト進化(Ranking-PE)を導入し、各正の行をペア順に並べた行(正、負)のインスタンス対に置き換える。 カラム平均は、経験的AUROC(ウィルコクソン=マン=ホイットニー恒等式)と等しい。 我々はこのスワップを、即座に進化探索が読み取る3つの層すべてに適用する - パレート支配を決定するスコア行列、リフレクションLMに対する例ごとのフィードバック、そして最終的な候補選択 - 余分なモデル呼び出しがなく、サロゲート損失も伴わない。 MIMIC上の3つの疾患の中で、精度ベースのプロンプト進化はランクを低下させ、Randing-PEはこれを逆転させ、細調整されたQwen3-VL-8Bで、精度ベースのレシピを+5.8 AUROC pp、MedGemma-4Bで+16.2 ppで上回った。 アブレーションは、各デザインコンポーネントを検査し、視覚エンコーダで調整されたSFTまたは医療前訓練を通じて、医療レベルの視覚的バックボーンが、検索を即時に置き換える必要のない前提条件であることを示す。

関連論文リスト

• Cross-Scale Transfer Learning for Depression Severity Prediction: From PHQ-8 to HAMD-17 Across Languages and Clinical Paradigms [6.137096667354723]
  本研究は,データ不足下における臨床面接書からのうつ病重症度予測に対処する。 クロススケール転送のためのシーケンシャルローランク適応(LoRA)プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-09-23T17:30:07Z)
• Primary ICD Category Prediction using LLM-based Probing [7.948368617192842]
  ICD-10符号10個のうち13,645個のMIMIC-IVコホートを構築した。 我々は,5つの変圧器層から隠れた状態を抽出し,非構造的,非構造的,複合的な入力に対して線形プローブを訓練した。 組み合わせたプローブはMIMIC-IV(87.69%の厳格さ、91.45%の医療的精度)で最高性能を達成し、単一モードのプローブとベースラインを上回った。
  論文  参考訳（メタデータ） (2026-06-27T08:10:05Z)
• PREBA: Surgical Duration Prediction via PCA-Weighted Retrieval-Augmented LLMs and Bayesian Averaging Aggregation [51.96735866702332]
  PreBAはPCA重み付き検索とベイズ平均アグリゲーションを統合した検索拡張フレームワークである。 例えば、PreBAはパフォーマンスを大幅に改善し、MAEを最大40%削減し、ゼロショット推論でR2を-0.13から0.62に引き上げる。
  論文  参考訳（メタデータ） (2026-02-27T07:19:23Z)
• Selective Mixup for Debiasing Question Selection in Computerized Adaptive Testing [50.805231979748434]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、オンライン教育プラットフォームにおける学習者の習熟度を評価する技術である。 選択バイアスは、質問選択が推定された熟練度に強く影響されるため生じる。 本稿では,Cross-Attribute Examinee RetrievalとSelective Mixup-based Regularizationの2つの主要なモジュールからなるデバイアス化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-19T08:55:01Z)
• MMedPO: Aligning Medical Vision-Language Models with Clinical-Aware Multimodal Preference Optimization [25.937453082034448]
  我々は,新しいマルチモーダル医療優先最適化手法MMedPOを提案する。 MMedPOは、Med-LVLMアライメントを高めるために、嗜好サンプルの臨床的関連性を考慮する。 実験の結果,MMedPOはMed-LVLMの精度を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-12-09T01:50:39Z)
• Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
  Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。 異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。 この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
  論文  参考訳（メタデータ） (2024-07-20T12:42:24Z)
• 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)

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。