論文の概要: OA-MAP: Evidence-Grounded Multi-Agent Multimodal Framework for Interpretable Knee Osteoarthritis Progression
- arxiv url: http://arxiv.org/abs/2610.12134v1
- Date: Thu, 08 Oct 2026 15:23:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.115933
- Title: OA-MAP: Evidence-Grounded Multi-Agent Multimodal Framework for Interpretable Knee Osteoarthritis Progression
- Title（参考訳）: OA-MAP : 変形性膝関節症に対するマルチモーダル・フレームワーク
- Abstract要約: OA-MAPは,KOAの構造と痛みの進行を実証的に評価するための,自律型マルチエージェントフレームワークである。
システムは、MRI、X線、臨床薬を含むモダリティ特異的剤とコーディネーター剤を組み込む。
FNIH型変形性関節症に対するバイオマーカーコンソーシアムの600名を用いた予測モデルの評価を行った。
- 参考スコア（独自算出の注目度）: 5.888781927710688
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knee osteoarthritis (KOA) progression prediction can support patient monitoring, requiring the integration of multimodal data and multidomain expertise. Moreover, isolated risk estimates provide limited insight underlying a prediction. To automate the progression assessment workflow and reduce manual effort while providing interpretable findings and supporting evidence, we present OA-MAP, an autonomous multi-agent framework for evidence-grounded assessment of structural and pain progression in KOA. The system incorporates modality-specific agents including MRI, X-ray, and clinical agents, together with a coordinator agent. This framework can autonomously recruit specialist agents, select tools for prediction and analysis, and retrieve literature as external evidence based on user request and available patient information. An uncertainty-informed human-in-the-loop mechanism enables clinicians to review and correct intermediate findings, triggering recomputation of affected results. We evaluate the prediction models using 600 participants from the FNIH Osteoarthritis Biomarkers Consortium cohort. On the test set of 100 participants, the fusion models achieve AUROCs of 0.80 for structural progression and 0.68 for pain progression. A case study illustrates how OA-MAP combines risk estimates with intermediate findings, cross-modal conflicts, literature support, and uncertainty indicators to support interactive review.
- Abstract（参考訳）: 変形性膝関節症(KOA)の進行予測は、患者のモニタリングをサポートし、マルチモーダルデータとマルチドメインの専門知識を統合する必要がある。
さらに、孤立したリスク推定は、予測の根底にある限られた洞察を与える。
OA-MAP(OA-MAP)は,OAの構造的・痛覚的進行を評価するための,自律型マルチエージェントフレームワークである。
このシステムは、MRI、X線、臨床薬を含むモダリティ特異的剤とコーディネーター剤を併用する。
このフレームワークは、専門エージェントを自律的に採用し、予測と分析のためのツールを選択し、ユーザ要求と利用可能な患者情報に基づいて外部証拠として文献を検索することができる。
不確実性のインフォームド・ヒューマン・イン・ザ・ループ(英語版)機構により、臨床医は中間結果のレビューと修正が可能になり、影響した結果の再計算が引き起こされる。
FNIH型変形性関節症に対するバイオマーカーコンソーシアムの600名を用いた予測モデルの評価を行った。
100人の被験者によるテストセットでは、融合モデルによりAUROCsは0.80、AUROCsは0.68となる。
ケーススタディでは、OA-MAPがリスク見積と中間的な発見、クロスモーダルコンフリクト、文献サポート、不確実性インジケータを組み合わせて、インタラクティブなレビューをサポートする方法を示している。
関連論文リスト
- FRAC-MAS: A Safe and Explainable Multi-Agent System for Fracture Diagnosis [0.6351973754158782]
FRAC-MASは、自動化、説明可能、安全な骨骨折検出のためのエージェントAIシステムである。
パイプライン深度アブレーション研究は、我々のマルチエージェント批評家が86.6%の患者を高信頼の自己確認コホートに分類していることを確認した。
Llama, MedGemma, Geminiに対する患者の嗜好調査は, より理解しやすい臨床報告を示す。
論文 参考訳（メタデータ） (2026-08-22T10:56:00Z) - Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。
COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。
本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
論文 参考訳（メタデータ） (2026-07-24T04:26:47Z) - Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals? [4.250825424649631]
我々は、構造化EHR時系列データをCXR基礎モデル表現と統合するゲート型マルチモーダルフレームワークを開発した。
ICU患者24時間以内の侵襲的機械換気予測の枠組みについて検討した。
論文 参考訳（メタデータ） (2026-05-25T18:25:47Z) - 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) - A Discordance-Aware Multimodal Framework with Multi-Agent Clinical Reasoning [5.675348355722554]
変形性膝関節症は、画像で観察される構造的損傷と、痛みなどの患者に報告された症状とが一致しないことが多い。
本稿では,機械学習予測モデルとツール基底型マルチエージェント推論システムを組み合わせた不一致認識型マルチモーダルフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-12T21:07:11Z) - Strong Reasoning Isn't Enough: Evaluating Evidence Elicitation in Interactive Diagnosis [29.630872344186873]
インタラクティブな医療相談は、エージェントが不確実性の下で行方不明な臨床証拠を積極的に引き出す必要がある。
既存の評価の大部分は静的あるいは結果中心であり、エビデンス収集プロセスを無視している。
シミュレーションされた患者と、原子的証拠に基づく再現されたレポーターを用いて、コンサルテーションプロセスを明示的にモデル化するインタラクティブな評価フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-27T16:36:35Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。
本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。
TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
論文 参考訳（メタデータ） (2025-03-26T15:58:16Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z)
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。