論文の概要: From Prediction to Action: Population Health World Model for Digital Medicine

• arxiv url: http://arxiv.org/abs/2610.24662v1
• Date: Sat, 17 Oct 2026 12:34:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 17:04:21.747199
• Title: From Prediction to Action: Population Health World Model for Digital Medicine
• Title（参考訳）: 予測から行動へ:デジタル医療における人口健康世界モデル
• Abstract要約: デジタル医療は、個々の健康トラジェクトリを追跡し、人口の健康状態を明らかにするデータを取得する。 そのモデリングの多くは依然としてタスク固有、結果固有、予測固有の推定に重点を置いている。 次のフロンティアは単により良い予測ではなく、複数の意思決定者が形作る健康の世界における行動だ。
• 参考スコア（独自算出の注目度）: 15.570805291607611
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital medicine now captures data that traces individual health trajectories and reveals population health dynamics through electronic health records, claims, remote monitoring, wearable devices, mobile devices, social sensing data, medical images, etc. But much of its modeling still centers on task-specific, outcome-specific, and prediction-specific estimation. The next frontier is not simply better prediction, but action in an evolving health world shaped by multiple decision-makers, heterogeneous populations, resource constraints, and feedback in care delivery. This is why digital medicine now needs world models: not only to estimate what will happen, but to represent how actions change what can happen next -- whom to prioritize, how to allocate scarce resources, how to adapt care across subgroups, and how interventions reshape future health trajectories and population dynamics. We call such a model population health world model (PHWM): a more foundational representation of an evolving health world in which health states, individual trajectories, population health dynamics, interventions, constraints, and feedback are intrinsically coupled. Building a PHWM endows three unmet structural gaps in current digital medicine: dynamic health-state modeling, population-level intervention intelligence, and validation, equity, and governance for action-oriented use. We argue that addressing these gaps requires three minimal capabilities: representation learning under action-dependent observation, multi-scale intervention intelligence, and validation with explicit decision boundaries, while highlighting the importance of social, contextual, and public-health sensing data for action-oriented digital medicine.
• Abstract（参考訳）: デジタルメディカル(Digital Medicine)は、個々の健康トラジェクトリを追跡し、電子健康記録、クレーム、リモート監視、ウェアラブルデバイス、モバイルデバイス、ソーシャルセンシングデータ、医療画像などを通じて、人口の健康状態を明らかにする。 しかし、そのモデリングの多くは依然としてタスク固有の、結果固有の、予測固有の見積もりに焦点を当てている。 次のフロンティアは単により良い予測ではなく、複数の意思決定者、異質な人口、リソースの制約、ケアデリバリにおけるフィードバックによって形作られた、進化する健康の世界における行動である。 デジタル医療が今、世界モデルを必要としているのは、何が起こるかを見積もるだけでなく、次に何が起こるかを変える行動の仕方、誰が優先順位を付けるか、不足するリソースの割り当て方法、サブグループ間のケアの適応方法、介入が将来の健康軌道や人口動態をどう変えていくか、などだ。 このようなモデル健康世界モデル(PHWM: model population health world model)は、健康状態、個々の軌跡、人口の健康動態、介入、制約、フィードバックが本質的に結合された、進化する健康世界のより基礎的な表現である。 PHWMの構築は、ダイナミックヘルス状態モデリング、人口レベルの介入インテリジェンス、バリデーション、エクイティ、アクション指向の使用のためのガバナンスという、現在のデジタル医療における3つの未成熟な構造的ギャップを担っている。 これらのギャップに対処するには、アクション依存的観察下での表現学習、マルチスケール介入インテリジェンス、明確な決定境界による検証の3つの最小限の能力が必要である。

関連論文リスト

• Medical world models: representing medical states, modelling clinical dynamics and guiding intervention policies [27.623290398566244]
  診断と治療は、患者の状態が時間とともに進化する動的なプロセスである。 現在の医療AIは病気を検出し、リスクを見積もり、報告を生成することができるが、多くのシステムは依然として静的ラベルやスコアを返す。 本総説では,医学界モデルに向けての診断と予測から医療AIを進化させるロードマップを概説する。
  論文  参考訳（メタデータ） (2026-06-15T13:49:43Z)
• CLARITY: Medical World Model for Guiding Treatment Decisions by Modeling Context-Aware Disease Trajectories in Latent Space [49.74032713886216]
  CLARITYは、構造化潜在空間内で直接疾患の進化を予測する医療世界モデルである。 時間間隔(時間的文脈)と患者固有のデータ(臨床的文脈)を明確に統合し、スムーズで解釈可能な軌跡として治療条件の進行をモデル化する。
  論文  参考訳（メタデータ） (2025-12-08T20:42:10Z)
• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• PHORECAST: Enabling AI Understanding of Public Health Outreach Across Populations [35.05830534020054]
  PHORECAST (Public Health Outreach Receptivity and CAmpaign Signal Tracking) は、個人レベルの行動応答と、ヘルスメッセージングに対するコミュニティ全体のエンゲージメントパターンの両方を詳細に予測するための、マルチモーダルデータセットである。 このデータセットは、マルチモーダル理解、応答予測、パーソナライゼーション、社会的予測といったタスクをサポートし、現代のAIシステムがいかにして、異種公共の感情や振る舞いをエミュレートし、解釈し、予測できるかを厳格に評価することができる。
  論文  参考訳（メタデータ） (2025-10-02T20:10:46Z)
• Applications of Large Models in Medicine [4.3039411508889875]
  医療大モデル(MedLMs)は、疾病予測、診断支援、パーソナライズされた治療計画、薬物発見を強化することで、医療に革命をもたらしている。 本稿では,医療における大規模モデルの現状と今後の方向性を概観し,その意義を概観する。
  論文  参考訳（メタデータ） (2025-02-24T13:21:30Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• SANSformers: Self-Supervised Forecasting in Electronic Health Records with Attention-Free Models [48.07469930813923]
  本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。 SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。 本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
  論文  参考訳（メタデータ） (2021-08-31T08:23:56Z)
• Graph representation forecasting of patient's medical conditions: towards a digital twin [0.0]
  複数組織におけるACE2過剰発現が心血管機能に及ぼす影響について検討した。 本稿では,分子データを用いた大規模な構成可能な臨床モデルの統合という概念の実証を行う。
  論文  参考訳（メタデータ） (2020-09-17T13:49:48Z)

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。