論文の概要: IndoNutriQA: An Indonesian Clinical Nutrition Question Answering Benchmark

• arxiv url: http://arxiv.org/abs/2610.31256v1
• Date: Thu, 22 Oct 2026 13:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.38698
• Title: IndoNutriQA: An Indonesian Clinical Nutrition Question Answering Benchmark
• Title（参考訳）: IndoNutriQA: インドネシアの臨床栄養に関する質問のベンチマーク
• Abstract要約: IndoNutriQAは、インドネシアの911対のQAベンチマークである。 すべてのペアは、構造化されたメタデータに富んだ、臨床的に関係のあるコンテキストで接地される。 IndoNutriQAはインドネシアのNLPと栄養決定支援の研究を促進するためにリリースされた。
• 参考スコア（独自算出の注目度）: 13.29296599027583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clinical Question Answering (QA) underpins Clinical Intelligent Decision Support Systems, but progress is severely limited for low-resource languages such as Indonesian by the absence of public domain-specific data. We introduce IndoNutriQA, an expert-curated Indonesian clinical QA benchmark of 911 question-answer pairs built from real clinical-nutrition reports. Rather than a large-scale training corpus, it is positioned as a high-quality evaluation resource: every pair is grounded in a clinically relevant context, enriched with structured metadata (anthropometric assessment, medical diagnosis, document provenance, chunk segmentation). Eight standardised question types following the Nutrition Care Process (NCP), including the Problem, Etiology, Sign and Symptom (PES) diagnosis statement, are answered for every report, which was written by a graduate-level dietetic intern, by one of three nutritionists. Answers are free-form clinical prose rather than extractive spans, and an expert validation study finds 6-10% of reference answers contestable. The dataset supports generative, extractive and retrieval-augmented QA as well as zero- and few-shot LLM evaluation. We report fine-tuned baselines (IndoBERT variants, mT5, RAG) with 5-fold cross-validation, learning curves and bootstrap 95% confidence intervals, and benchmark eight contemporary LLMs zero- and five-shot. We further calibrate our LLM-as-judge rubric against three expert raters (one RD, two nutritionists), finding it human-comparable on factuality and completeness but unreliable on clinical safety, and a human error analysis shows it misses unsupported content that the raters identify. IndoNutriQA is released to foster research in Indonesian clinical NLP and nutritional decision support.
• Abstract（参考訳）: 臨床質問応答 (QA) は, 臨床知能度決定支援システムの基盤となっているが, パブリックドメイン固有のデータがないインドネシア語などの低リソース言語では, 進展が著しく制限されている。 IndoNutriQAは、インドネシアのQAベンチマークで、実際の臨床栄養報告から構築した911の質問応答ペアについて紹介する。 大規模なトレーニングコーパスではなく、高品質な評価リソースとして位置づけられており、それぞれのペアは、構造化メタデータ(人文的評価、医学診断、文書証明、チャンクセグメンテーション)に富んだ、臨床的に関係のあるコンテキストに基盤を置いている。 栄養ケアプロセス(NCP)の後の8つの標準化された質問タイプは、3人の栄養学者のうちの1人によって、大学院レベルの食生活インターンによって書かれたすべてのレポートに対して、問題、病因、サイン、症状(PES)診断文を含む回答される。 回答は抽出スパンよりも自由形式の臨床試験であり,専門家による検証の結果,基準回答の6～10%が競合することがわかった。 このデータセットは、生成的、抽出的、検索的なQAをサポートし、ゼロショットと少数ショットのLLM評価をサポートする。 我々は,5倍のクロスバリデーション,学習曲線,ブートストラップ95%の信頼区間を有する微調整ベースライン(IndoBERT variants,mT5,RAG)について報告する。 さらに,3名の専門家(RD1名,栄養士2名)に対してLSM-as-judgeルーブリックを校正し,現実性と完全性は人間に比較できるが臨床安全性には信頼できないこと,そして,ヒトのエラー解析により,ラッカーが特定した不適切な内容が誤っていることが示された。 IndoNutriQAはインドネシアのNLPと栄養決定支援の研究を促進するためにリリースされた。

関連論文リスト

• EHRNote-ChatQA: A Benchmark for Evidence-Grounded Multi-Turn Clinical Question Answering over Longitudinal Discharge Summaries [13.472329890204831]
  EHRNote-ChatQAは,患者の複数の退院サマリーに答えるエビデンスグラウンドド・マルチターン臨床質問に対する最初のベンチマークである。 EHRNote-ChatQAは、特定されていないMIMIC-IV放電サマリーから作られ、患者レベル967個のマルチターンサンプルを1から5つのノートと16,072個の医療専門家が検証したQAペアを含む。
  論文  参考訳（メタデータ） (2026-06-14T10:35:19Z)
• 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)
• 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)
• Evaluating Large Language Models for Evidence-Based Clinical Question Answering [4.101088122511548]
  大規模言語モデル (LLMs) は, 医学的, 臨床的応用において著しく進歩している。 Cochraneの体系的レビューと臨床ガイドラインから得られたベンチマークをキュレートする。 我々はソースと臨床領域間で一貫したパフォーマンスパターンを観察する。
  論文  参考訳（メタデータ） (2025-09-13T15:03:34Z)
• Quantifying the Reasoning Abilities of LLMs on Real-world Clinical Cases [48.87360916431396]
  MedR-Benchは1,453例の構造化患者のベンチマークデータセットで、推論基準を付した注釈付きである。 本稿では,3つの批判的診察勧告,診断決定,治療計画を含む枠組みを提案し,患者のケアジャーニー全体をシミュレートする。 このベンチマークを用いて、DeepSeek-R1、OpenAI-o3-mini、Gemini-2.0-Flash Thinkingなど、最先端の5つのLCMを評価した。
  論文  参考訳（メタデータ） (2025-03-06T18:35:39Z)
• Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
  大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。 本稿では,構造化医療推論を利用した新しいアプローチを提案する。 我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
  論文  参考訳（メタデータ） (2025-03-05T05:24:55Z)
• SemioLLM: Evaluating Large Language Models for Diagnostic Reasoning from Unstructured Clinical Narratives in Epilepsy [45.2233252981348]
  臨床知識を符号化するための言語モデル(LLM)が示されている。 6つの最先端モデルをベンチマークする評価フレームワークであるSemioLLMを提案する。 ほとんどのLSMは、脳内の発作発生領域の確率的予測を正確かつ確実に生成できることを示す。
  論文  参考訳（メタデータ） (2024-07-03T11:02:12Z)
• K-QA: A Real-World Medical Q&A Benchmark [12.636564634626422]
  K-QA(K-QA)は、K Health上での実際の会話から発せられる1,212の患者質問を含むデータセットである。 我々は,K-QAのサブセットを自己完結文に分解するために,内科医のパネルを用いて回答し,手動で分解する。 我々は、いくつかの最先端モデルと、コンテキスト内学習と医学指向の拡張検索スキームの効果を評価した。
  論文  参考訳（メタデータ） (2024-01-25T20:11:04Z)
• Large Language Models Encode Clinical Knowledge [21.630872464930587]
  大規模言語モデル(LLM)は、自然言語の理解と生成において印象的な能力を示している。 本稿では, 現実性, 正確性, 潜在的害, バイアスを含む複数の軸に沿ったモデル回答の人為的評価のための枠組みを提案する。 本研究は,モデル尺度とインストラクション・インシデント・チューニングにより,理解,知識の想起,医学的推論が向上することを示す。
  論文  参考訳（メタデータ） (2022-12-26T14:28:24Z)

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。