論文の概要: CohortFlow: A Steerable Clinical Cohort Curation Agent with Localized Semantic Correction
- arxiv url: http://arxiv.org/abs/2610.36100v1
- Date: Mon, 26 Oct 2026 18:16:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 04:15:49.191831
- Title: CohortFlow: A Steerable Clinical Cohort Curation Agent with Localized Semantic Correction
- Title（参考訳）: CohortFlow: 局所的意味的矯正を併用したステアブルな臨床コホート治療薬
- Abstract要約: 構造化されたコホート仕様に対する局所的な更新として,自然言語の修正を表現するステアブルエージェントであるCohortFlowを紹介した。
明示的に記録されたセマンティック依存関係により、影響のある計算を選択的に無効にし、有効な事前結果を保存できる。
- 参考スコア（独自算出の注目度）: 6.0008919130881795
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language model agents for clinical cohort curation should accommodate evolving eligibility criteria without repeatedly processing unchanged requirements. We introduce CohortFlow, a steerable agent that represents natural language corrections as localized updates to a structured cohort specification and reconciles them with a persistent execution graph. Explicitly recorded semantic dependencies enable affected computations to be selectively invalidated while preserving valid prior results. On 100 scenarios derived from clinical-trial eligibility criteria, comprising 126 correction turns, localized steering achieves 77.0% requirement micro-F1 versus 76.4% for full regeneration using the same 8B model, a small numerical advantage that is not statistically significant ($p=0.493$). It reduces mean correction latency by 64.8% after completion and 44.3% during execution, with 38.1% fewer model calls. In a separate proof-of-concept evaluation over MIMIC, all 13 cohort states execute successfully, while correction trajectories demonstrate selective preservation of unaffected computations and recomputation of changed or dependent nodes. Together, these results show that localized semantic steering can substantially reduce correction latency and model calls while maintaining strong requirement-level accuracy.
- Abstract（参考訳）: 臨床コホート治療のための言語モデルエージェントは, 要求の繰り返し処理を伴わずに, 適応度基準を進化させる必要がある。
我々は、構造化されたコホート仕様の局所的な更新として自然言語の修正を表すステアブルエージェントであるCohortFlowを紹介し、永続的な実行グラフでそれらを調整する。
明示的に記録されたセマンティック依存関係により、影響のある計算を選択的に無効にし、有効な事前結果を保存できる。
126の補正ターンを含む臨床・臨床的適性基準から導かれる100のシナリオでは、ローカライズドステアリングは、同じ8Bモデルを用いた完全再生において、77.0%のマイクロF1と76.4%の要件を満たす(p=0.493$)。
平均修正遅延を64.8%減らし、実行中に44.3%減らし、モデルコールは38.1%減った。
MIMICによる概念実証評価では、すべての13のコホート状態が正常に実行され、修正軌道は影響を受けない計算の選択的保存と変更または依存ノードの再計算を示す。
これらの結果から, 局所的なセマンティックステアリングは, 強い要求レベルの精度を維持しつつ, 補正遅延やモデル呼び出しを大幅に低減できることが示された。
関連論文リスト
- Evaluating Artificial Wisdom (AW): A Trajectory-Based Framework for Context-Sensitive Decision Regulation [6.357610542179542]
キャパビリティベンチマークは、大きな言語モデルにできることを計測するが、決定条件が変更されても、その推奨が適切かどうかを判断する。
本稿では,人工知能のための軌道ベース計測フレームワークと予測検証プロトコルを提案する。
論文 参考訳（メタデータ） (2026-10-22T09:47:42Z) - Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。
しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。
本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
論文 参考訳（メタデータ） (2026-10-13T16:19:49Z) - Personalising Deformable Image Registration with Clinical Context and Deformation History for Adaptive Radiotherapy [48.52787121001821]
既存の登録方法は、各画像対を独立して扱う。
臨床コンテキスト認識と患者適応型画像登録(CAP-DIR)を開発した。
CAP-DIRは、内部テストのオルガン-アット-リスク領域の正常化クロス相関を84.76%から96.92%に増加させた。
論文 参考訳（メタデータ） (2026-10-13T06:02:57Z) - Toward System One Clinical Intelligence: Parameter-Efficient Fine-Tuning and Counterfactual Explainability of Decision Foundation Models [0.0]
決定基礎モデルは、自由形式のテキスト生成のない候補クラスに直接表現をマッピングすることで代替を提供する。
我々は,Qwen3.5のバックボーン上に構築された9ビリオンパラメータ決定モデルであるClef-Flashを,Symphom2ベンチマークで24クラスの疾患分類に適用した。
4ビットの量子化低ランク適応(QLoRA)と差分学習率、960のトレーニングと240のテストケースの階層分割を用いて、95.42%のモデルは診断精度を達成し、マクロF1スコアは0.9551である。
論文 参考訳（メタデータ） (2026-10-10T16:13:49Z) - ChartBmkAgent: Harness-Governed Multi-Agent Construction of Chart QA Benchmarks from Sparse Error-Taxonomy Specifications [40.065183138791184]
自動チャートQA構築は、特定されたギャップを需要に応じて対象とするサンプルにすることで、ベンチマーク開発サイクルを短縮することを目的としている。
本稿では,Sparse error-taxonomy仕様から完全なChart QAサンプルを構築することで,特定能力ギャップを対象とする診断証拠に変換するChartBmkAgentを紹介する。
300の分類学的標本では、MLLMの精度は32.7%から84.3%まで変化しており、異なるカテゴリーのプロファイルがある。
論文 参考訳（メタデータ） (2026-10-06T10:31:28Z) - Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。
SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。
301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
論文 参考訳（メタデータ） (2026-09-30T10:51:23Z) - Adaptive Conformal Redistribution for Inter-class Transitional Uncertainty in Medical Image Classification [9.578682349231789]
アダプティブコンフォメーション(Adaptive conformal redistribution, AdaConRed)は、曖昧な予測セットを洗練されたクラス割り当てに変換する、ラベルのないポストコンフォーマル決定ルールである。
AdaConRedはLAC、APS、RAPSを同じバックボーンと再配布規則で上回る。
コンフォーマルな予測は、移行性疾患のカテゴリが存在する行動可能な意思決定支援に向けて、不確実性を超えて拡張することができる。
論文 参考訳（メタデータ） (2026-09-10T06:21:30Z) - Answer Engineering: Local Trajectory Editing for Protocol-Constrained Decision Making in Large Language Models [0.00304396936267654]
大規模言語モデルは、手続き的コンプライアンスが重要である領域において、自信はあるがプロトコル非有意義な答えを生み出すことができる。
本稿では,決定論的ランタイムおよびオーサリング層であるAnswer Engineeringについて述べる。
本手法は,突発性感音難聴に対する臨床評価基準を用いて評価した。
論文 参考訳（メタデータ） (2026-06-19T05:47:44Z) - SL-BiLEM: Structured Learnable Behavior-in-the-Loop Epidemic Modeling for Forecasting and Policy Evaluation [42.644852156101685]
エピデミック予測は、人間の行動が病気の拡散に動的に反応する、という根本的な課題に直面している。
頑健な外挿のための正則化として物理的制約を利用するtextbfSL-BiLEM(Structured Learnable Behavior-in-the-Loop Epidemic Model)を提案する。
論文 参考訳（メタデータ） (2026-05-26T08:46:04Z) - ReacTOD: Bounded Neuro-Symbolic Agentic NLU for Zero-Shot Dialogue State Tracking [2.2573512203799626]
本稿では,NLUを独立したツールコールとして再構成する有界神経シンボルアーキテクチャであるReacTODを提案する。
有界ReActループは反復自己補正を可能にし、MultiWOZ上のシングルパス推論よりも最大9.3ポイント精度を向上させる。
論文 参考訳（メタデータ） (2026-05-18T20:06:04Z)
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。