論文の概要: Indirect Influences of Artificial Intelligence Advice on Complex Sepsis Treatment Decisions

• arxiv url: http://arxiv.org/abs/2610.24313v1
• Date: Fri, 16 Oct 2026 23:27:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:24:21.117785
• Title: Indirect Influences of Artificial Intelligence Advice on Complex Sepsis Treatment Decisions
• Title（参考訳）: 複雑敗血症治療における人工知能の間接的影響
• Abstract要約: 人工知能は敗血症例の血行動態決定を支援することができる。 これらのシステムの現実世界の価値は、臨床医の判断の質にどのように影響するかに依存する。
• 参考スコア（独自算出の注目度）: 15.20314890952632
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sepsis is a major public health concern, and many sepsis patients die due to ineffective hemodynamic management. Artificial intelligence could support hemodynamic decisions, particularly in complex cases where conflicting information and comorbidities drive uncertainty and practice variation. However, these systems' real-world value depends on not just accuracy, but how they influence the quality of clinician decisions. We first retrospectively evaluated an AI system's recommendations in 6,928 sepsis patients, finding that they improved upon the original providers' decisions overall but had significantly worse performance in complex cases. We then conducted a pre-registered experiment with 228 US critical care physicians to test their use of this imperfect advice in six complex treatment decisions, using one of three advice types designed to vary reasoning autonomy. Participants given simple model recommendations overcame poor advice, choosing optimal treatments in 56.3% of decisions compared to 31.8% if they had always followed the recommendations. They also made significantly better decisions than those receiving a less prescriptive advice type (42.9%). Physicians selectively adapted and improved weak advice, likely because it prompted them to reconsider their assessment. Our findings suggest that improving sepsis care decisions with AI may require accounting for these indirect influences resulting from human-AI collaborative reasoning.
• Abstract（参考訳）: セプシスは主要な公衆衛生上の問題であり、多くの敗血症患者は非効率な血行動態管理のために死亡した。 人工知能は、特にコンフリクト情報やコオービディティが不確実性や実践の変動を引き起こす複雑な場合において、血行力学的決定をサポートする可能性がある。 しかし、これらのシステムの実際の価値は、精度だけでなく、臨床医の判断の質にどのように影響するかにも依存する。 我々はまず,6,928人の敗血症患者を対象に,AIシステムの推奨事項を振り返って評価した。 そこで我々は,6つの複雑な治療決定において,この不完全なアドバイスの使用をテストするために,米国救急医228人と事前登録した3つのアドバイスタイプのうちの1つを用いて,この不完全なアドバイスをテストした。 参加者はシンプルなモデル勧告を下し、推奨に従えば、56.3%の判断で最適な治療を選択する。 また、規定の少ないアドバイスタイプ(42.9%)よりもはるかに優れた判断を下した。 医師は弱いアドバイスを選択的に適応し、改善した。 我々の知見は、AIによる敗血症ケアの意思決定を改善するには、人間とAIの協調推論による間接的な影響を考慮する必要があることを示唆している。

関連論文リスト

• Large Language Model Few-Shot Prompting with Dilemma Training Outperforms Human Surrogates in Predicting Patient Preferences [4.816899797624674]
  重篤な病気では、ヒトのサロゲートは患者の嗜好を正確に予測するのに苦労することが多い(68%の精度) P4-DT (Dilemma Training, P4-DT) は, 患者に様々なジレンマを施すことで, 患者の意思決定方針を構築するP4エージェントである。 患者代理ダイアド12例を対象にした調査では、P4-DTは81.7%の精度で患者の治療選択を予測した。
  論文  参考訳（メタデータ） (2026-08-26T13:14:30Z)
• Intelligent Reasoning Cues: A Framework and Case Study of the Roles of AI Information in Complex Decisions [10.853817540556348]
  臨床診断における8種類の推論法の役割について検討した。 推論手法は、設計に直接情報を伝達できる影響のパターンが異なることが分かりました。 以上の結果から, 推論手法は, 高い可変性と判断性を有するタスクを優先し, 進化する意思決定ニーズとの整合性を確保するとともに, 複雑なケースに対する相補的で厳密な洞察を提供することが示唆された。
  論文  参考訳（メタデータ） (2026-01-30T19:22:23Z)
• Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
  本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。 本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。 DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-28T17:19:47Z)
• Human Decision-making is Susceptible to AI-driven Manipulation [87.24007555151452]
  AIシステムは、ユーザの認知バイアスと感情的な脆弱性を利用して、有害な結果に向けてそれらを操縦する。 本研究では、経済的・感情的な意思決定の文脈におけるこのような操作に対する人間の感受性について検討した。
  論文  参考訳（メタデータ） (2025-02-11T15:56:22Z)
• Does AI help humans make better decisions? A statistical evaluation framework for experimental and observational studies [0.43981305860983716]
  我々は、人間とAI、AIの3つの代替意思決定システムのパフォーマンスを比較する方法を示す。 リスクアセスメントの勧告は、現金保釈を課す裁判官の決定の分類精度を向上しないことがわかった。
  論文  参考訳（メタデータ） (2024-03-18T01:04:52Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• The Ethical Implications of Shared Medical Decision Making without Providing Adequate Computational Support to the Care Provider and to the Patient [1.52292571922932]
  患者を医療決定に巻き込む必要性は明白である。 人工知能の最近の進歩は、第三のエージェント、コンピュータを追加することを示唆している。 倫理的医師は、計算決定支援技術を利用するべきである。
  論文  参考訳（メタデータ） (2021-02-03T00:30:21Z)
• Learning medical triage from clinicians using Deep Q-Learning [0.3111424566471944]
  臨床用ウィグレットを用いたトリアージ患者に対するDeep Reinforcement Learningアプローチを提案する。 このデータセットは1374個の臨床ヴィグネットで構成され、実際の症例を表すために医師によって作成された。 このアプローチは人間のパフォーマンスと同等であり、94%のケースで安全なトリアージ決定が得られ、85%のケースで専門家の判断と一致している。
  論文  参考訳（メタデータ） (2020-03-28T16:07:41Z)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)
• Artificial Artificial Intelligence: Measuring Influence of AI 'Assessments' on Moral Decision-Making [48.66982301902923]
  ドナー腎アロケーションに関する道徳的意思決定に対する疑似AIからのフィードバックの効果を検討した。 患者が腎臓を受容器するかどうかの判断は、AIによって与えられると認識される参加者自身の意思決定に関するフィードバックに影響される可能性があるという証拠がいくつか見出された。
  論文  参考訳（メタデータ） (2020-01-13T14:15:18Z)

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。