論文の概要: Agentic discovery of blood biomarker from distilled private health records

• arxiv url: http://arxiv.org/abs/2610.04749v1
• Date: Sat, 03 Oct 2026 20:30:38 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:50:43.162425
• Title: Agentic discovery of blood biomarker from distilled private health records
• Title（参考訳）: 蒸留された私的健康記録からの血液バイオマーカーの薬剤学的発見
• Abstract要約: 我々は、540万人以上の患者からなるクラリット・ヘルス・サービス(Clarit Health Services)パネルに記録された証拠を、公表されたスコアリング・ツールに精査した。 このツールは、患者データを露出することなく、エージェントの提案-スコア-リファインループを現実世界のデータに根拠付ける。
• 参考スコア（独自算出の注目度）: 11.649415167942323
• License:
• Abstract: Routine complete blood counts (CBCs) could yield new biomarkers, but the private records needed to evaluate candidates cannot be shared with frontier language model agents that excel at discovery. We distilled the evidence held in the Clalit Health Services panel of over 5.4 million patients into a released scoring tool: for each of 13 immune-mediated diseases, a graph attention network was trained inside the data boundary to predict the case-control AUC of candidate CBC expressions, and only the trained weights were released. The tool grounds an agent's propose-score-refine loop in real-world data without exposing any patient data. In external validation, agent-discovered expressions improved on their literature-seeded starting points by a median of 4.18 AUC percentage points, and across three independent cohorts, reranking the candidates of three frontier research tools improved on their first choices in most comparisons, with gains that varied by cohort. The released scorer supports privacy-preserving biomarker hypothesis generation.
• Abstract（参考訳）: 完全血球数(CBCs)は新たなバイオマーカーを生み出す可能性があるが、候補を評価するのに必要なプライベートな記録は発見時に優れているフロンティア言語モデルエージェントと共有することはできない。 我々は,540万以上の患者からなるクラリット・ヘルス・サービス(Cllit Health Services)パネルに記録されたエビデンスを,13の免疫性疾患に対して,対象CBC表現のケースコントロールAUCを予測するために,データ境界内でグラフ注意ネットワークを訓練し,トレーニング対象の体重のみを解放した。 このツールは、患者データを露出することなく、エージェントの提案-スコア-リファインループを現実世界のデータに根拠付ける。 外的検証において, エージェント発見式は, 文献分類開始点において, 平均4.18AUCパーセンテージで改善し, 3つの独立したコホートにおいて, 3つのフロンティア研究ツールの候補を再評価した。 リリースされたスコアラは、プライバシを保存するバイオマーカー仮説の生成をサポートする。

関連論文リスト

• Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
  SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。 SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
  論文  参考訳（メタデータ） (2026-09-16T15:34:21Z)
• A corpus-specific clinical RAG system matches or outperforms newer frontier LLMs on HealthBench [1.4053129774629074]
  VITA(VITA)は、インドにおける文脈知識検索のための検索拡張型生成システムである。 これは、病原性ガイドライン、インド固有の抗菌抵抗データ、国家の定式化制約、リソース制限されたケアプロトコルのキュレーションされたコーパスから取得する。 英語のHealthBenchの4,023の質問で、VITAは51.9%で、GCT-5.4 (46.1%)、o4-mini (44.3%)、Gemini 3.1 Pro (42.6%)、Claude Sonnet 4.6 (37.3%)を上回り、45.4%で最高となった。
  論文  参考訳（メタデータ） (2026-08-12T14:55:46Z)
• An unsupervised clustering analysis of breast cancer data derived from electronic health records enhanced through UMAP dimensionality reduction [0.0]
  乳がんは最も幅広い種類のがんの1つであり、世界中で約800万人の女性に影響を及ぼしている。 教師なしクラスタリングは、医学的に重要な特徴を持つ患者のグループを特定し、そうでなければ医師が気づかないかもしれないデータトレンドを明らかにする。 本研究では,乳腺癌患者の電子カルテから得られた3つの独立したデータセットにDBSCAN密度に基づくクラスタリング法を適用した。
  論文  参考訳（メタデータ） (2026-07-21T13:26:48Z)
• PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
  PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。 部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。 The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
  論文  参考訳（メタデータ） (2026-04-05T21:14:27Z)
• 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)
• TriAgent: Automated Biomarker Discovery with Deep Research Grounding for Triage in Acute Care by LLM-Based Multi-Agent Collaboration [3.0416960239499358]
  世界の救急医療機関は、患者数の増加、労働力不足、トリアージ決定のばらつきに直面している。 この課題に対処するために,大規模言語モデル(LLM)ベースのマルチエージェントフレームワークであるTriAgentを紹介した。 TriAgentは、バイオマーカーの自動発見と、文学的根拠による検証と新規性評価のための深い研究を結合する。
  論文  参考訳（メタデータ） (2025-10-17T12:26:29Z)
• Preserving Privacy, Increasing Accessibility, and Reducing Cost: An On-Device Artificial Intelligence Model for Medical Transcription and Note Generation [0.0]
  Llama 3.2 1Bモデルを用いて,プライバシ保護・オンデバイス医療転写システムの開発と評価を行った。 このモデルは、完全にブラウザ内で完全なデータ主権を維持しながら、医療転写から構造化された医療メモを生成することができる。
  論文  参考訳（メタデータ） (2025-07-03T01:51:49Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• Paging Dr. GPT: Extracting Information from Clinical Notes to Enhance Patient Predictions [0.25165775267615204]
  GPT-4o-mini (ChatGPT) による患者に対する簡単な臨床質問に対する回答が患者レベルの死亡予測にどう役立つかを検討する。 MIMIC-IV Noteデータセットにおける14,011件の初診データや心血管集中治療ユニットのデータを用いて,GPT応答をロジスティック回帰モデルにおける入力特徴として用いた透明なフレームワークを実装した。
  論文  参考訳（メタデータ） (2025-04-14T17:41:45Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)

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。