論文の概要: Temporal Evidence Allocation For Longitudinal Clinical Retrieval: A Position And Technical Report
- arxiv url: http://arxiv.org/abs/2610.27682v1
- Date: Tue, 20 Oct 2026 05:54:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.665967
- Title: Temporal Evidence Allocation For Longitudinal Clinical Retrieval: A Position And Technical Report
- Title（参考訳）: 長期臨床検索のための時間的エビデンスアロケーション : 位置と技術報告
- Abstract要約: 縦断的臨床検索は,長期にわたる限られた証拠予算の配分として扱われるべきである。
この位置と技術的報告は、Onco-CONSTRUEフレームワークの背後にある検索分析を提示する。
- 参考スコア（独自算出の注目度）: 1.108292291257035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electronic health records are written to support care, not retrieval. Across years of oncology notes, the primary diagnosis is restated in report after report, while the events that shape a patient's course, such as a recurrence or a change in therapy, may be recorded only once. A retriever that ranks passages by similarity to the query keeps returning the repeated material and can miss these transitions, that is, it exhibits temporal redundancy across historical narratives. We argue that longitudinal clinical retrieval should be treated as allocating a limited evidence budget across time, not just ranking by relevance. We separate the task into three objectives: temporal evidence allocation, candidate reconstruction, and clinical validation. In Study A (13 clinical queries over 20 patient records, with two-stage reconstruction), the Temporal-15 configuration reaches a milestone slot recall of 0.538, compared with 0.388 for the Global-50 baseline. However, it also retrieves far more evidence (496 versus 50 indexed units per query), so the gain cannot be credited to allocation alone. When evidence is held fixed, removing prompted precedence rules raises schema-order reversals from 0.010 to 0.080. A five-patient, single-query pilot with fixed budgets finds that wider temporal coverage does not reliably yield more dated milestones. Together, these results suggest that how much a record says about a period is a poor guide to how useful that period is as evidence. Because no expert reference timelines are available, our measurements describe retrieval behavior rather than clinical accuracy. This position and technical report presents the retrieval analysis behind the Onco-CONSTRUE framework and sets out a research agenda for budget-constrained longitudinal clinical retrieval.
- Abstract（参考訳）: 電子的な健康記録は、検索ではなく、ケアをサポートするために書かれています。
長年のオンコロジーノートでは、一次診断は報告後に再診断されるが、再発や治療の変化などの患者の経過を形作る事象は1回だけ記録されることがある。
クエリと類似度でパスをランク付けするレトリバーは、繰り返しの素材を返し続け、これらの遷移を見逃しかねない。
我々は, 長期臨床検索は, 関連性だけでなく, 時間的に限られた証拠予算を割り当てるものとして扱うべきであると論じている。
課題を,時間的エビデンスアロケーション,候補再構築,臨床検証の3つの目的に分けた。
研究Aでは,Temporal-15構成はGlobal-50ベースラインの0.388に対して0.538のマイルストーンスロットリコールを達成した。
しかし、さらに多くのエビデンス(クエリ毎に50のインデックス付きユニットに対して496のインデックス付きユニット)を取得するため、アロケーションだけではゲインを信用できない。
証拠が固定された場合、優先ルールの削除により、スキーマ順序の逆転が0.010から0.080に上昇する。
固定予算を持つ5人の患者でシングルクエリーのパイロットは、より広範囲の時間的カバレッジが確実に、より時代遅れのマイルストーンを達成できないことを発見した。
これらの結果は、ある期間についてどれだけの記録が記録されているかが、その期間がいかに有用かを示す指標として不十分なガイドであることを示唆している。
専門的な基準タイムラインは提供されていないため,臨床精度よりも検索行動を記述する。
この位置と技術的報告は,Onco-CONSTRUEフレームワークの背後にある検索分析を提示し,予算制約型慢性期臨床検索のための研究課題を策定する。
関連論文リスト
- Are We Measuring Anticipation? Auditing Privileged Information in Procedural Video Evaluation [0.0]
予測モデルのみでなく,評価プロトコルによってライセンスされた推論を監査する。
プロトコルは、特権のある中間表現を供給しながら、時間的に因果関係を保つことができる。
論文 参考訳（メタデータ） (2026-10-02T09:13:22Z) - Stale-Document Poisoning: When Outdated Retrieval Overrides Correct Model Answers [1.9140495620245608]
検索なしで正しい回答をしても、古い証拠がモデルに悪影響を及ぼすような、時間的アライメント障害、古文書中毒を同定する。
我々は、医学、法律、ソフトウェア、プラットフォームポリシーにまたがる317の検証済み知識逆転のベンチマークを構築し、公式資料を根拠にしている。
論文 参考訳（メタデータ） (2026-09-25T14:43:43Z) - RAP: Research Attention Prediction Reveals Target-Conditioned Evidence Acquisition Biases [58.92094935632493]
大規模言語モデル(LLM)は研究エージェントとしての役割がますます高まっているが、研究の関心の変化を追跡する能力は評価が難しい。
278のAI/MLフィールドと1,390のエピソードをカバーするローリングベンチマークであるResearch Attention Prediction (RAP)を紹介する。
それぞれのカットオフで、LLMエージェントは時間的に制限されたarXivコーパスを検索し、次の6ヶ月の論文の共有を8つの凍った研究方向にわたって予測する。
論文 参考訳（メタデータ） (2026-09-09T12:15:14Z) - VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。
それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。
我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
論文 参考訳（メタデータ） (2026-09-02T20:36:45Z) - Intervention-Aware Clinical World Model for Post-Op Outcome Forecasting in Cardiology [8.701738697134955]
多くの臨床予測モデルは、介入後の結果をベースライン測定から将来のエンドポイントへの一段階のマッピングとして扱う。
本稿では,各患者に構造的潜在状態を示す介入型臨床世界モデルを提案し,時間順の介入後イベントを通じてそれを進化させる。
論文 参考訳（メタデータ） (2026-08-13T17:38:13Z) - Characterizing Treatment-Context Medication Evidence Across Clinic Notes and Structured EHR Medication History [1.6612653577971574]
臨床メモと構造化電子健康記録(EHR)の薬歴は、しばしば異なる薬物情報を含んでいる。
同じ視認的な意見の相違は、ノート側の正規化エラー、用語やタイミングの違い、実際の文書の違いによって生じる。
我々は,大規模言語モデル(LLM)による参照構築,対象的・ランダムな人的レビュー,決定論的薬物正規化,構造化された医薬品の歴史と意味的・時間的比較を用いたノート・グラウンド・アプローチを開発した。
論文 参考訳（メタデータ） (2026-08-03T01:00:01Z) - Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。
本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。
675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
論文 参考訳（メタデータ） (2026-04-29T17:59:28Z) - Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。
1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。
診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
論文 参考訳（メタデータ） (2026-04-06T00:23:10Z) - Sequential Counterfactual Inference for Temporal Clinical Data: Addressing the Time Traveler Dilemma [1.9794615806637272]
本稿では、電子健康記録における時間的依存関係を尊重するシークエンシャル・カウンセリング・フレームワークについて紹介する。
慢性疾患の38～67%の患者は、ナイーブ法で生物学的に不可能な対策が必要であることを実証した。
我々の枠組みは、反事実的な説明を「もしこの機能が違っていたら?」から「以前に介入したならば」に転換する。
論文 参考訳（メタデータ） (2026-02-24T18:11:23Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z) - CLARA: Clinical Report Auto-completion [56.206459591367405]
CLARA(CLinicit Al It Report It Auto-Completion)は、医師のアンカーワードと部分的に完成した文に基づいて、文章でレポートを生成するインタラクティブな方法である。
実験では,X線で0.393 CIDEr,0.248 BLEU-4,脳波で0.482 CIDEr,0.491 BLEU-4を得た。
論文 参考訳（メタデータ） (2020-02-26T18:45:00Z)
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。