論文の概要: ClinVerse: A Realistic Multi-Agent Diagnostic Environment for Training and Evaluating Medical Agents
- arxiv url: http://arxiv.org/abs/2610.34878v1
- Date: Mon, 26 Oct 2026 05:50:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.767107
- Title: ClinVerse: A Realistic Multi-Agent Diagnostic Environment for Training and Evaluating Medical Agents
- Title（参考訳）: ClinVerse:医療エージェントの訓練・評価のための現実的なマルチエージェント診断環境
- Abstract要約: ClinVerseは、医療診断エージェントの訓練と評価を目的とした、インタラクティブでリアルタイムなマルチエージェント環境である。
150kの診断ケースからなるスケーラブルなデータセットであるClinPatient上に構築されたClinVerseは、6つの専門的な臨床ロール間の協調的なインタラクションをサポートする。
各インタラクショントラジェクトリに対して、ルールベースのスコアリングフレームワークは、情報取得、検査順序付け、診断精度を定量化する。
- 参考スコア（独自算出の注目度）: 27.934134177445287
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Disease diagnosis is a key application of large language model (LLM) agents in healthcare. However, existing medical agents are primarily trained and evaluated with static question-answering data, providing limited opportunities to learn active information acquisition, examination decision-making, and dynamic clinical interaction. To address this limitation, we present ClinVerse, an interactive, real-data-grounded multi-agent environment designed for training and evaluating medical diagnostic agents. Built on ClinPatient, a scalable dataset comprising 150k diagnostic cases derived from real-world electronic health records, ClinVerse supports coordinated interactions among six specialized clinical roles. Specifically, a doctor agent starts from an initial patient complaint, progressively gathers clinical evidence through patient interviews and examination requests, and ultimately produces a diagnosis. For each interaction trajectory, a rule-based scoring framework quantifies information acquisition, examination ordering, and diagnostic accuracy. These trajectory-level scores serve as reward signals for agent training while also enabling scalable evaluation. In experiments, we evaluate various general-purpose and medical-domain models and show that nine self-evolution methods across three categories consistently improve agents' diagnostic capabilities within ClinVerse. We further analyze the interplay among model capability, environment feedback, and self-evolution methods.
- Abstract（参考訳）: 疾患診断は、医療における大規模言語モデル(LLM)エージェントのキーとなる応用である。
しかし、既存の医療エージェントは、主に静的な質問応答データを用いて訓練され、評価され、アクティブな情報取得、検査決定、動的臨床的相互作用を学ぶ機会が限られている。
この制限に対処するために,医療診断エージェントのトレーニングと評価を目的とした,インタラクティブでリアルタイムなマルチエージェント環境であるClinVerseを提案する。
ClinPatientは、現実世界の電子健康記録から得られた150万件の診断ケースからなるスケーラブルなデータセットである。
具体的には、医師は、最初の患者の苦情から始まり、患者インタビューや検査要求を通じて臨床証拠を段階的に収集し、最終的に診断を生成する。
各インタラクショントラジェクトリに対して、ルールベースのスコアリングフレームワークは、情報取得、検査順序付け、診断精度を定量化する。
これらの軌道レベルスコアは、エージェントトレーニングのための報酬信号として機能し、スケーラブルな評価を可能にする。
実験の結果,ClinVerse内のエージェントの診断能力は,3つのカテゴリにまたがる9つの自己進化法が一貫して向上していることが判明した。
さらに,モデル能力,環境フィードバック,自己進化的手法間の相互作用を分析する。
関連論文リスト
- Evaluating Scaffolding-Oriented Multi-Agent Large Language Model System for Clinical Interview Training [10.948633957490221]
我々は,足場指向多言語モデル(LLM)AI標準化患者(AI-SP)訓練プラットフォームを開発した。
本システムは、シミュレートダイアログのための患者エージェントと、診断情報を開示することなくソクラティックプロンプトを提供するチューターエージェントと、臨床経過を監視するターンレベル評価エージェントとを含む。
最も実質的で一貫した改善は、コミュニケーション、共感の表現、そして特定の歴史的行動において観察された。
論文 参考訳（メタデータ） (2026-09-10T00:56:03Z) - EvoClinician: A Self-Evolving Agent for Multi-Turn Medical Diagnosis via Test-Time Evolutionary Learning [72.70291772077738]
エージェントのマルチターン診断能力を評価するためのベンチマークであるMed-Inquireを提案する。
次に、テスト時に効率的な診断戦略を学ぶ自己進化エージェントであるEvoClinicianを紹介する。
実験の結果,EvoClinicianは連続学習ベースラインや,メモリエージェントなどの自己進化エージェントよりも優れていた。
論文 参考訳（メタデータ） (2026-01-30T13:26:18Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。
本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。
実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
論文 参考訳（メタデータ） (2025-12-29T12:58:58Z) - Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。
本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。
DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
論文 参考訳（メタデータ） (2025-10-28T17:19:47Z) - Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。
LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。
我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
論文 参考訳（メタデータ） (2025-10-21T18:10:45Z) - 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) - AgentClinic: a multimodal agent benchmark to evaluate AI in simulated clinical environments [2.567146936147657]
シミュレーションされた臨床環境における大規模言語モデル(LLM)の評価のためのマルチモーダルエージェントベンチマークであるAgentClinicを紹介する。
我々は,AgentClinicの逐次決定形式におけるMedQA問題の解決が極めて困難であることに気付き,診断精度が元の精度の10分の1以下に低下することを発見した。
論文 参考訳（メタデータ） (2024-05-13T17:38:53Z)
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。