論文の概要: LifeLong Digital Twin: A Unified Modeling Paradigm and Agent Harness for Event-Driven Lifelong Health State Trajectories
- arxiv url: http://arxiv.org/abs/2610.05566v1
- Date: Sun, 04 Oct 2026 21:59:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 12:57:45.073163
- Title: LifeLong Digital Twin: A Unified Modeling Paradigm and Agent Harness for Event-Driven Lifelong Health State Trajectories
- Title（参考訳）: LifeLong Digital Twin: イベント駆動型ライフサイクルヘルスステートトラジェクトリのための統一モデリングパラダイムとエージェントハーネス
- Abstract要約: LifeLong Digital Twinは、ライフイベントを日々の健康状態に整理する統合されたイベント駆動モデリングパラダイムである。
我々は,25の疾患終端にまたがる4つの言語モデルについて,疾患の軌跡予測,疾患リスクランキング,多地点疾患予測の3つの課題について検討した。
この枠組みは、デジタル双生児全体の基盤と、パーソナライズされた生涯疾患予防の研究を提供する。
- 参考スコア（独自算出の注目度）: 7.913931080497366
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human health is a continuous, dynamic trajectory shaped by the cumulative interplay of biological processes, clinical events, behaviors and environmental exposures across the life course. Unifying the full breadth of lifelong health information, including longitudinal records, genetic variation, molecular profiles and environmental histories, is essential for whole-person modeling and remains a major challenge. We introduce LifeLong Digital Twin, a unified, event-driven modeling paradigm that organizes Life Events into daily Health States and accumulates them into Lifelong Health Context. An accompanying Agent Harness incorporates multimodal evidence beyond the language model's textual context. We evaluate four language models across 25 disease endpoints on three tasks: Disease Trajectory Forecasting, Disease Risk Ranking and Multi-horizon Disease Prediction. The approach yields marked gains over the reference condition: model-averaged F1 increases by 22.0% for disease identification in trajectory forecasting and 18.3% for five-year disease outcomes; thyroid-disease F1 reaches 0.669. The framework provides a foundation for whole-person digital twins and research on personalized lifelong disease prevention.
- Abstract（参考訳）: 人間の健康は、生物学的プロセス、臨床イベント、行動、環境暴露の累積的相互作用によって形成された、連続したダイナミックな軌道である。
生涯にわたる健康情報、例えば、経年記録、遺伝的変異、分子プロファイル、環境ヒストリーを統一することは、全体モデリングに不可欠であり、依然として大きな課題である。
LifeLong Digital Twinは、ライフイベントを日々の健康状態に整理し、それらをLifelong Health Contextに蓄積する、統合されたイベント駆動モデリングパラダイムである。
付随するエージェント・ハーネスは、言語モデルのテクスト的文脈を超えたマルチモーダルなエビデンスを組み込んでいる。
我々は,25の疾患終端にまたがる4つの言語モデルについて,疾患の軌跡予測,疾患リスクランキング,多地点疾患予測の3つの課題について検討した。
モデル平均F1は、軌跡予測における疾患識別において22.0%増加し、5年間の疾患予後では18.3%増加し、甲状腺不全F1は0.669に達する。
この枠組みは、デジタル双生児全体の基盤と、パーソナライズされた生涯疾患予防の研究を提供する。
関連論文リスト
- Marrying Generative Model of Healthcare Events with Digital Twin of Social Determinants of Health for Disease Reasoning [12.920888696520366]
疾患予測のための既存の生成モデルは、病院および登録データからのイベントレベル表現に大きく依存する。
本稿では,病因推論のテキシチン・サイリコ・モデリングのためのCD-coded proxies of SDoHを用いた生成モデルを提案する。
我々のモデルネームは、最先端のヒト疾患自己回帰モデルと、特徴的生成ベースラインの画像化よりも大幅に改善されている。
論文 参考訳（メタデータ） (2026-05-10T21:33:09Z) - Simulating clinical interventions with a generative multimodal model of human physiology [49.828582089394445]
HealthFormerは、人間の生理的軌道を生成的にモデル化するデコーダのみのトランスフォーマーである。
7つの領域にまたがる667個の測定値に対して,各被験者の健康軌道をトークン化する。
HealthFormerは、30のインシデント障害および死亡エンドポイントのうち27の予測を改善し、各比較で確立された臨床リスクスコアを超えた。
論文 参考訳（メタデータ） (2026-04-30T14:10:30Z) - Foundation Artificial Intelligence Models for Health Recognition Using Face Photographs (FAHR-Face) [3.0938610789627923]
FAHR-Faceは4000万枚の顔画像に基づく基礎モデルです。
年齢推定では、FAHR-FaceAgeは公開データセット上で5.1年の平均絶対誤差が最も低い。
FAHR-FaceSurvivalは死亡の確実な予測を示した。
論文 参考訳（メタデータ） (2025-06-17T18:28:11Z) - Medical Video Generation for Disease Progression Simulation [40.38123964910394]
疾患関連画像と映像の特徴を制御できる第1の医用ビデオ生成フレームワークを提案する。
胸部X線,眼底写真,皮膚画像の3領域にまたがる枠組みを検証した。
MVGは、コヒーレントで臨床的に妥当な疾患軌跡を発生させる上で、ベースラインモデルよりも著しく優れている。
論文 参考訳（メタデータ） (2024-11-18T18:37:09Z) - Unscrambling disease progression at scale: fast inference of event permutations with optimal transport [2.9087305408570945]
疾患進行モデルでは、慢性変性状態として、患者の特徴の変化の群レベルの時間的軌跡を推定する。
本研究では,Birkhoff polytopeに属する事象の潜在置換行列として,最適な輸送からモデル疾患進行へのアイデアを活用する。
実験は、シミュレーションにおけるノイズに対する速度、精度、堅牢性の増加を実証する。
論文 参考訳（メタデータ） (2024-10-18T11:44:29Z) - Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。
本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-07-08T09:08:42Z) - SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。
本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。
医療データセットに関する広範な実験により,本手法の評価を行った。
論文 参考訳（メタデータ） (2023-02-24T17:03:51Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Health State Estimation [2.463876252896007]
論文は、個人モデルを構築し、個人の健康状態を動的に推定するアプローチを提示します。
システムは4つの重要な抽象要素から縫合される。
実験では、個々の心臓血管の健康状態を監視するために、高密度で均一な現実世界のデータを使用することが示されている。
論文 参考訳（メタデータ） (2020-03-16T21:06:32Z)
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。