論文の概要: Clinical value claims in multimodal AI outpace supporting evidence
- arxiv url: http://arxiv.org/abs/2610.14395v1
- Date: Fri, 09 Oct 2026 23:39:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 21:47:53.662483
- Title: Clinical value claims in multimodal AI outpace supporting evidence
- Title（参考訳）: マルチモーダルAIにおける臨床的価値の主張は証拠を裏付ける
- Abstract要約: マルチモーダルモデルとユニモーダルモデルを比較した177の試験を行った。
このような78の研究で、最強の源のモデルを除外すれば、0.046から0.108まで平均的な上昇が得られた。
推定22%の判定ユーティリティが評価され、将来的なモデルの評価は行われなかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimodal prediction models add a data source, such as imaging or an assay, to clinical information, and health systems must decide whether that added test is worth acquiring. We audited 177 studies comparing multimodal with unimodal models: 81 from a systematic review and 96 from a probability sample of 2025-2026 PubMed records. Gains in the area under the receiver operating characteristic curve (AUROC) were smaller when a study fitted a separate model for every data source (adjusted difference, -0.030; 95% CI, -0.056 to -0.005). Within 78 such studies, leaving out the strongest source's model would have raised the average gain from 0.046 to 0.108. This complete benchmarking fell from 69.1% of review studies to an estimated 46.0% of recent ones. An estimated 22% assessed decision utility and none evaluated a model prospectively, yet most claimed potential clinical usefulness or improved care (84.0% and an estimated 87.7%).
- Abstract（参考訳）: マルチモーダル予測モデルは、画像やアッセイなどのデータソースを臨床情報に追加する。
我々は,マルチモーダルとユニモーダルモデルを比較した177つの研究を,系統的なレビューから81、確率サンプル2025-2026 PubMedレコードから96に調査した。
受信機動作特性曲線 (AUROC) 下の領域の利得は、各データソースに別々のモデル(調整差-0.030; 95% CI, -0.056 - -0.005)を適用した場合に小さくなった。
このような78の研究で、最強の源のモデルを除外すれば、0.046から0.108まで平均的な上昇が得られた。
この完全なベンチマークは、レビュー研究の69.1%から、最近の調査の46.0%に落ち込んだ。
予測された22%が意思決定ユーティリティを評価し、予測されたモデルの評価は行われなかったが、ほとんどは潜在的な臨床的有用性または改善されたケア(84.0%、推定87.7%)であった。
関連論文リスト
- The widening evaluation gap in medical large language model research 2023 to 2026 [0.0]
大規模な言語モデルは、数四半期ごとに取って代わられ、臨床的な証拠は何年もかかる。
PubMedは、2023年1月から2026年6月までに14の臨床ドメインで11,628レコードを返却し、45倍に成長した。
新しいシステムへの移行は、ドリフトのわずか56%をオフセットした。
開発中のモデルを命名する研究では、他のどのモデルとも違いはない。
論文 参考訳（メタデータ） (2026-09-10T16:25:01Z) - A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。
臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
論文 参考訳（メタデータ） (2026-05-06T07:44:39Z) - Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。
入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
論文 参考訳（メタデータ） (2026-01-07T23:35:24Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - Predicting Metabolic Dysfunction-Associated Steatotic Liver Disease using Machine Learning Methods [0.8642326601683298]
我々は、公正で厳密で再現可能なMASLD予測モデルを開発した。
MASLDは米国の成人の33%に影響を与え、最も一般的な慢性肝疾患である。
論文 参考訳（メタデータ） (2025-10-25T13:36:18Z) - A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。
光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。
トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
論文 参考訳（メタデータ） (2025-04-22T14:17:22Z) - Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
基礎モデルの幻覚は自己回帰訓練の目的から生じる。
トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
論文 参考訳（メタデータ） (2025-02-26T02:30:44Z) - Self-Supervised Radiograph Anatomical Region Classification -- How Clean Is Your Real-World Data? [10.5757425746568]
本研究は,48,434個の骨格X線撮影データから,14個の解剖学的領域のクラスを割り当てる自己教師手法の有効性を示した。
我々は,1つのモデルで96.6%,97.7%の線形評価精度をアンサンブルアプローチで達成した。
論文 参考訳（メタデータ） (2024-12-20T15:07:55Z) - Development and prospective validation of a prostate cancer detection, grading, and workflow optimization system at an academic medical center [1.9729379339863824]
がん検出, グレーディング, IHC 注文症例のスクリーニングモデルを開発した。
タスク固有前立腺モデルの性能を汎用基礎モデルと比較した。
癌検出におけるタスク特異的モデルと基礎モデルの間に統計的に有意な差は認められなかった。
論文 参考訳（メタデータ） (2024-10-31T05:29:18Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z)
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。