論文の概要: EGIP: An Evidence-Grounded Interaction Protocol for Clinical Agents

• arxiv url: http://arxiv.org/abs/2610.24539v1
• Date: Sat, 17 Oct 2026 08:00:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 17:46:49.798757
• Title: EGIP: An Evidence-Grounded Interaction Protocol for Clinical Agents
• Title（参考訳）: EGIP(Evidence-Grounded Interaction Protocol for Clinical Agents)
• Abstract要約: 本稿では,役割固有の情報境界を強制するEGIPを提案する。 臨床エージェントの2つのフレームワーク,5つのデータセット,6つの言語モデル間でEGIPを評価した。
• 参考スコア（独自算出の注目度）: 20.001582069513834
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Interactive clinical agents acquire evidence through patient dialogue and diagnostic examinations, yet their performance also depends on how the interaction environment exposes information, available actions, and examination results. When these conditions are implicit or inconsistently controlled, final-answer accuracy can conflate diagnostic reasoning with the effects of the interaction protocol. We propose the \textbf{E}vidence-\textbf{G}rounded \textbf{I}nteraction \textbf{P}rotocol (EGIP), which enforces role-specific information boundaries, exposes diagnostic actions without revealing their results, retrieves examination results from stored clinical records, and organizes acquired evidence for final decision-making. By separating evidence acquisition from terminal prediction, EGIP enables different decision strategies to operate on the same observations. We evaluate EGIP across two clinical-agent frameworks, five datasets, and six language models. EGIP improves diagnostic accuracy over native baselines across all primary comparisons. A clinician review further shows that the proportion of automatically scored correct responses jointly judged evidence-supported rises from 10.20\% to 36.55\%. These findings support the effectiveness of EGIP as a unified interaction protocol for improving clinical-agent performance through controlled evidence access and acquisition.
• Abstract（参考訳）: 対話型臨床エージェントは、患者の対話や診断検査を通じて証拠を取得するが、そのパフォーマンスは、相互作用環境が情報、利用可能なアクション、検査結果を公開する方法にも依存する。 これらの条件が暗黙的または矛盾的に制御されている場合、最終回答精度は、相互作用プロトコルの効果と診断推論を説明できる。 本稿では,役割特異的な情報境界を強制し,その結果を明らかにせずに診断行動を公開するとともに,保存された臨床記録から検査結果を検索し,最終決定のための取得した証拠を整理する,<textbf{E}vidence-\textbf{G}rounded \textbf{I}nteraction \textbf{P}rotocol (EGIP)を提案する。 終末予測から証拠取得を分離することにより、EGIPは異なる決定戦略を同一の観測で運用することができる。 臨床エージェントの2つのフレームワーク,5つのデータセット,6つの言語モデル間でEGIPを評価した。 EGIPは、すべての一次比較において、ネイティブベースラインの診断精度を向上させる。 臨床医のレビューでは、自動的な正解率は証拠支持率を10.20\%から36.55\%に引き上げている。 これらの知見はEGIPを統合的相互作用プロトコルとして活用し,エビデンスアクセスと取得による臨床エージェントのパフォーマンス向上を支援する。

関連論文リスト

• Fathom-Vaidya: Advancing Medical Reasoning with Rubric-Based Rewards [5.563127320625537]
  医療における大規模言語モデル(LLM)は、2つの相補的な側面にわたる堅牢なパフォーマンスを必要とする。 HealthBenchやMedXpertQAといった最近のベンチマークでは、両方の領域で永続的な弱点が明らかになっている。 合成データとルーブリックに基づく強化学習を用いて、これらのファセットをターゲットとしたシーケンシャルなトレーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2026-09-21T12:19:50Z)
• MedTRACE: Tool-Augmented Multimodal Clinical Reasoning Agents for Evidence-Grounded Decision-Making [13.499477476787602]
  本稿では,エビデンスに基づく意思決定のための多モード臨床推論剤であるMedTRACEについて述べる。 視覚的グラウンドディング、エビデンス検索、構造化解析ツールを動的に起動し、診断関連領域を特定する。 証拠の裏付け、聴取可能な推論の痕跡、信頼性の校正などと共に診断を行う。
  論文  参考訳（メタデータ） (2026-09-13T22:32:49Z)
• Active Evidence-Seeking and Diagnostic Reasoning in Large Language Models for Clinical Decision Support [20.0177310948999]
  我々はOSCEにインスパイアされた標準化された患者シミュレータと能動的診断のための制御された再現可能なベンチマークを導入する。 本プロトコルでは,468症例と15モデルに対して,診断精度を12.75%低下させ,サポートエビデンス品質を24.36%低下させるマルチターンエビデンスを観察した。
  論文  参考訳（メタデータ） (2026-05-21T06:34:50Z)
• 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)
• ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
  ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。 本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。 実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
  論文  参考訳（メタデータ） (2025-12-29T12:58:58Z)
• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
  大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。 本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。 本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
  論文  参考訳（メタデータ） (2025-10-11T16:24:35Z)
• Clinically Grounded Agent-based Report Evaluation: An Interpretable Metric for Radiology Report Generation [32.410641778559544]
  ICARE (Interpretable and Clinicallygrounded Agent-based Report Evaluation) は、解釈可能な評価フレームワークである。 2つのエージェントは、それぞれが基礎的真実または生成されたレポートを持ち、臨床的に有意義な質問を発生し、互いにクイズする。 スコアを質問応答ペアにリンクすることで、ICAREは透明で解釈可能な評価を可能にする。
  論文  参考訳（メタデータ） (2025-08-04T18:28:03Z)

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。