論文の概要: The Value of System 1 Models in Medicine

• arxiv url: http://arxiv.org/abs/2610.31315v1
• Date: Thu, 22 Oct 2026 14:08:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.400377
• Title: The Value of System 1 Models in Medicine
• Title（参考訳）: 医療におけるシステム1モデルの意義
• Abstract要約: 生成言語モデルは、自由テキストでゆっくりと応答し、信頼度を低く表現する。 システム1モデルは、回答がテキストで述べられたり、医学的知識からリコールされた場合、迅速に、安価に、そして使用可能な信頼を持って決定する。 1つの決定は0.34秒から0.44秒で、オープンウェイトモデルの24から81ジュールがローカルで実行された。
• 参考スコア（独自算出の注目度）: 27.269075135861513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many clinical decisions are a choice among a few fixed options, taken quickly and in large numbers. Such decisions also need an uncertainty estimate to know when to defer to a clinician. Generative language models answer slowly in free text and state their confidence poorly. In contrast, System 1 models answer zero-shot with a probability for each answer. However, their performance across clinical tasks is unknown. Four System 1 models, two proprietary and two with open weights, were evaluated zero-shot on 86 public tasks from 14 clinical domains in 20 languages, spanning examination questions and medical imaging. Tasks were assigned to six capability tiers before analysis. The primary outcome was the area under the receiver-operating-characteristic curve (AUROC). Secondary outcomes included calibration, language effects and comparisons with published results and generative models. Across 179,111 cases, the mean AUROC of the best model per task was 0.94 for medical knowledge, 0.93 for text understanding, 0.83 for clinical judgement from text, 0.89 for image perception, 0.84 for 2D image findings and 0.69 for volumetric findings. Imaging tasks scored 0.09 (95% CI, 0.06 to 0.11) lower than text tasks (P < 0.001). The best model matched or exceeded the best published result on 13 of 26 text tasks and on 8 of 35 imaging tasks. Triage nurses outperformed the best model (accuracy, 0.85 vs. 0.56). One decision took 0.34 to 0.44 seconds and 24 to 81 joules on open-weight models run locally. Accuracy on identical questions fell by up to 39 percentage points from English to Yoruba. Generative models of the same family were 11 to 76 times slower, with 3 to 5 percentage points higher balanced accuracy. System 1 models decide quickly, cheaply and with usable confidence when the answer is stated in a text or recalled from medical knowledge, but not when it must be judged or read from an image.
• Abstract（参考訳）: 多くの臨床的決定は、素早く、そして大量に取られるいくつかの固定された選択肢の中から選択される。 このような決定は、いつ臨床医に延期するかを知るための不確実な見積もりも必要である。 生成言語モデルは、自由テキストでゆっくりと応答し、信頼度を低く表現する。 対照的に、System 1モデルは、各回答の確率でゼロショットに答える。 しかし、臨床における業績は不明。 4つのシステム1モデル,2つのプロプライエタリモデルと2つのオープンウェイトモデルが,20言語で14の臨床領域から86の公開タスクをゼロショットで評価した。 タスクは分析の前に6つの機能レベルに割り当てられた。 第一の結果は、受信動作特性曲線(AUROC)の下の領域であった。 二次的な結果は校正、言語効果、公開結果と生成モデルとの比較である。 179,111例のAUROCの平均は医療知識0.94例,テキスト理解0.93例,テキストからの臨床判断0.83例,画像知覚0.89例,画像診断0.84例,容積所見0.69例であった。 画像タスクはテキストタスク(P < 0.001)よりも0.09(95% CI, 0.06 - 0.11)低かった。 ベストモデルは、26のテキストタスクのうち13と、35のイメージタスクのうち8の最も優れた結果と一致または上回った。 トリアージ看護師は最高のモデル(精度0.85対0.56)を上回った。 1つの決定は0.34秒から0.44秒で、オープンウェイトモデルの24から81ジュールがローカルで実行された。 同じ質問の正確さは英語からヨルバ語まで39ポイントまで低下した。 同じ家系の世代モデルは11～76倍遅く、3～5パーセントのバランスの取れた精度が高かった。 システム1モデルは、回答がテキストで述べられたり、医学的知識から想起された場合、迅速に、安価に、そして使用可能な信頼を持って決定するが、画像から判断または読まなければならない場合ではない。

関連論文リスト

• RetiJev: Fast and Source-Grounded Ophthalmic Decision Models [49.18315352624845]
  自己回帰型大規模言語モデル(LLM)は、事前に定義されたアクション間の決定にかなりのレイテンシと計算オーバーヘッドをもたらす。 RetiJev-Dataは,78,158個の臨床診断と診断質問からなる眼科原点検コーパスである。 RetiJev は 0.8B-9B 決定モデルのファミリーで, 自己回帰的復号化を伴わず, 直接解を求める。
  論文  参考訳（メタデータ） (2026-10-22T08:59:47Z)
• Vision-language models for chest radiography do not always need the image [4.363746910191589]
  医用視覚言語モデルは、強い胸部X線撮影精度を報告し、これが画像を使用する証拠としてますます読まれている。 我々は,画像に介入し,関連領域を除外し,関連のない領域を除外し,別の患者の同一ラベルスキャンに切り替える因果監査を導入する。 9つのシステムで、画像アクセスのないテキストのみのモデルは、最高のマルチモーダルの5.7の精度ポイントに到達する。
  論文  参考訳（メタデータ） (2026-06-16T09:22:10Z)
• Calibrated Triage, Not Autonomy: Confidence Estimation for Medical Vision-Language Models [4.0196226339562555]
  ヴィジュアル言語モデルは、画像のほとんど使用しながら、医用画像に関する質問に、ゆるやかに、自信を持って答えることができる。 我々は,5つのオープンウェイトLVLMと3つの医用視覚質問応答データセットの信頼度推定器について検討した。
  論文  参考訳（メタデータ） (2026-06-14T16:39:17Z)
• NeuroQA: A Large-Scale Image-Grounded Benchmark for 3D Brain MRI Understanding [6.217658756255346]
  NeuroQAは3次元脳磁気共鳴画像(MRI)における視覚的質問応答のための大規模ベンチマークである 5-104歳と5つの臨床領域(アルツハイマー病、パーキンソン病、腫瘍、白質疾患、神経発達)にまたがる。 NeuroQAは、Yes/No、Multi-choice、オープンエンドフォーマットの11の臨床基礎的推論スキルを評価している。
  論文  参考訳（メタデータ） (2026-05-19T21:54:12Z)
• Glaucoma Detection and Structured OCT Report Generation via a Fine-tuned Multimodal Large Language Model [1.0925680160683622]
  このモデルは,品質評価,緑内障検出,RAF薄型分類の3つの課題に対して,ホールドアウトテストセットで評価した。 このモデルは、画像品質の問題を特定し、緑内障を検出する上で高い精度を実現した。
  論文  参考訳（メタデータ） (2025-10-01T22:37:28Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)

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。