論文の概要: MedPAO-Assist: Edge-Deployable, Modality-Aware Agentic AI for Radiology Report Structuring
- arxiv url: http://arxiv.org/abs/2610.26913v1
- Date: Sat, 17 Oct 2026 06:13:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.383462
- Title: MedPAO-Assist: Edge-Deployable, Modality-Aware Agentic AI for Radiology Report Structuring
- Title（参考訳）: MedPAO-Assist: 放射線学レポート構造化のためのエッジ展開可能な、モダリティ対応エージェントAI
- Abstract要約: MedPAO-Assistは、放射線学者の音声コマンドから直接構造化された放射線学レポートを生成する。
システムは、胸部X線、胸部CT、腹部CT、脳MRIの4つの主要な画像モダリティをサポートしている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The adoption of Large Language Models for radiology report structuring has been largely dominated by either proprietary cloud-based models or large open models requiring high-end GPUs for deployment, which is a critical bottleneck for clinical adoption in radiology workflows that demand data privacy and offline operation. To address this, we present MedPAO-Assist, an edge-deployable agentic framework that generates structured radiology reports directly from radiologist dictation and voice commands, requiring only $\approx3.3$ GB peak RAM and achieving an average end-to-end latency of $\approx31$ seconds on a standard laptop CPU through an asynchronous, multi-threaded execution pipeline. The system currently supports four major imaging modalities -- Chest X-ray, Chest CT, Abdomen CT, and Brain MRI. To our knowledge, it is among the earliest agentic systems to run its entire pipeline with a Small Language Model (SLM) in the 0.6B-parameter range. This multi-agent architecture, built around an Extract-Ground-Generate paradigm, performs concept extraction, SNOMED-CT grounding, and structured report generation, followed by a speech-driven human-in-the-loop correction phase, together forming a fully "no-touch" reporting workflow that requires no keyboard input, external API calls, or internet connectivity. We evaluate each pipeline stage individually -- concept extraction, ontology grounding, and concept categorization and report hardware profiling results demonstrating the system's feasibility for real-time, CPU-only clinical deployment.
- Abstract（参考訳）: 放射線学レポートの構造化にLarge Language Modelsを採用することは、主にプロプライエタリなクラウドベースモデルか、デプロイメントにハイエンドGPUを必要とする大規模なオープンモデルに支配されている。
この問題を解決するために、MedPAO-Assistはエッジデプロイ可能なエージェントフレームワークで、無線学者の指示や音声コマンドから直接構造化された放射線学レポートを生成し、$\approx3.3$ GBのピークRAMしか必要とせず、非同期のマルチスレッド実行パイプラインを通じて標準のラップトップCPU上で平均で$\approx31$秒のエンドツーエンドレイテンシを実現する。
現在このシステムは、胸部X線、胸部CT、腹部CT、脳MRIの4つの主要な画像モダリティをサポートしている。
我々の知る限り、0.6Bパラメータの範囲でSLM(Small Language Model)でパイプライン全体を実行する最も初期のエージェントシステムの一つである。
このマルチエージェントアーキテクチャは、Extract-Ground-Generateパラダイムを中心に構築され、概念抽出、SNOMED-CTグラウンディング、構造化されたレポート生成を実行する。
各パイプラインステージは, 概念抽出, オントロジー基盤, 概念分類, ハードウェアプロファイリングの結果を個別に評価し, リアルタイム, CPU のみの臨床展開の実現可能性を示す。
関連論文リスト
- Pre-training, Reasoning, Benchmarking: X-ray Report Generation on CheXpert Plus Dataset [64.51646260227491]
X線画像に基づく放射線診断レポート生成(RRG)は、医療人工知能における重要な研究方向である。
近年の大幅な進歩にもかかわらず、この分野は、不十分な標準ベンチマークに起因する明らかなボトルネックに直面している。
我々は,CheXpert Plus上の一般的なX線レポート生成モデルと大規模言語モデルを含むベンチマークを確立する。
論文 参考訳（メタデータ） (2026-09-23T10:35:18Z) - An Efficient vLLM-Based Inference Pipeline for Unified Audio Understanding and Generation [63.50393485685279]
音声の理解と生成を統一する vLLM ベースの推論パイプラインを提案する。
共有直観自由誘導(CFG)のスループットを克服する。
連続バッチ内でペア条件と非条件要求を共スケジューリングすることにより、CFGの実装は、非CFGスループットの80%を維持できます。
論文 参考訳（メタデータ） (2026-07-02T12:55:11Z) - NeuroClaw Technical Report [54.14941057366186]
NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。
NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。
3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
論文 参考訳（メタデータ） (2026-04-27T16:57:14Z) - RVLM: Recursive Vision-Language Models with Adaptive Depth [0.1631115063641726]
RVLMは単一パス推論を反復生成実行ループに置き換える。
すべての診断クレームは、監査性要件を満たす実行可能なコードに基礎を置いています。
Gemini 2.5 Flashを用いたBraTS 2023 Meningioma (脳MRI) とMIMIC-CXR (胸部X線) の評価を行った。
論文 参考訳（メタデータ） (2026-03-25T11:52:55Z) - CT-Flow: Orchestrating CT Interpretation Workflow with Model Context Protocol Servers [14.499713300688555]
既存の3次元CT解析のアプローチのほとんどは、静的なシングルパス推論に大きく依存している。
Model Context Protocol (MCP)を活用することで、CT-Flowはクローズドボックス推論からオープンなツール認識パラダイムへとシフトする。
これに基づいてCT-Flowは、複雑な自然言語クエリを自動ツール使用シーケンスに分解できる臨床オーケストレータとして機能する。
論文 参考訳（メタデータ） (2026-02-23T07:19:30Z) - Resp-Agent: An Agent-Based System for Multimodal Respiratory Sound Generation and Disease Diagnosis [14.922065513695294]
Resp-Agent(Resp-Agent)は、アクティブアドリキュラムエージェント(Thinker-A$2$CA)によって編成された自律型マルチモーダルシステムである。
表現ギャップに対処するため,EHRデータをストラテジックグローバルアテンションを介して音声トークンで織り込むModality-Weaving Diagnoserを導入する。
データギャップに対処するために,テキストのみのLarge Language Model (LLM) をモダリティインジェクションにより適応させるフローマッチングジェネレータを設計する。
論文 参考訳（メタデータ） (2026-02-16T14:48:24Z) - mAIstro: an open-source multi-agentic system for automated end-to-end development of radiomics and deep learning models for medical imaging [0.0]
mAIstroは、医療AIモデルのエンドツーエンド開発とデプロイのための、オープンソースの、自律的なマルチエージェントフレームワークである。
自然言語インタフェースを通じて探索データ分析、放射能特徴抽出、画像分割、分類、回帰を編成する。
論文 参考訳（メタデータ） (2025-04-30T16:25:51Z) - PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳（メタデータ） (2024-06-04T13:51:08Z) - Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。
視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。
我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。
IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2023-03-16T07:23:55Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z)
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。