論文の概要: PulmoWorld: An Asynchronous Multimodal Medical World Model for Longitudinal Pneumonia Dynamics
- arxiv url: http://arxiv.org/abs/2610.38289v1
- Date: Wed, 28 Oct 2026 05:14:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 18:22:17.211093
- Title: PulmoWorld: An Asynchronous Multimodal Medical World Model for Longitudinal Pneumonia Dynamics
- Title（参考訳）: PulmoWorld: 縦隔肺炎ダイナミックスのための非同期マルチモーダル医療世界モデル
- Abstract要約: 我々はPULMOWORLDを紹介した。PULMOWORLDは、非同期状態推定とシミュレーションを接続する肺炎のダイナミックスの世界モデルである。
履歴認識フィルタリングは、状態伝播と観測駆動補正を分離するため、測定は共有信念を観測時にのみ更新する。
Cap-MBRLは、承認されたアクションセット内での継続を想像し、候補がリスク予算と予測コストマージンを満たす場合にのみ、凍結したフォールバックを置き換える。
- 参考スコア（独自算出の注目度）: 29.584149888148826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pneumonia changes across respiration, inflammation, and organ function, while the measurements that describe it arrive at different times and are often incomplete. We introduce PULMOWORLD, a world model for longitudinal pneumonia dynamics that connects asynchronous state estimation, recursive simulation, and evidence-constrained planning. History-aware filtering separates state propagation from observation-driven correction, so a measurement updates the shared belief only when it is observed. That belief supports recursive forecasts of clinical values and modality representations, and summaries of future prognosis. Cap-MBRL searches imagined continuations inside an authorized action set and replaces a frozen fallback only when a candidate meets the risk budget and a predicted-cost margin. On the pneumonia cohort MASS, recursive forecasts are competitive with task-trained sequence models, and simulated future states retain prognostic information. Trained separately on public MIMIC-IV-CXR chest radiographs and clinical trajectories, this model improves prognostic discrimination over latest-value fusion in development and is competitive on long-horizon error on the locked pneumonia panel. In five known-mechanism MASS-Syn environments, Cap-MBRL lowers selection regret relative to direct fallback execution.
- Abstract（参考訳）: 肺炎は呼吸、炎症、臓器機能にまたがって変化するが、それを記述する測定結果は異なる時期に到達し、しばしば不完全である。
非同期状態推定,再帰的シミュレーション,エビデンスに制約のある計画とを結合する縦断性肺炎のダイナミックスの世界モデルであるPULMOWORLDを紹介する。
履歴認識フィルタリングは、状態伝播と観測駆動補正を分離するため、測定は共有信念を観測時にのみ更新する。
その信念は、臨床値とモダリティ表現の再帰的な予測、将来の予後の要約を支持している。
Cap-MBRLは、承認されたアクションセット内での継続を想像し、候補がリスク予算と予測コストマージンを満たす場合にのみ、凍結したフォールバックを置き換える。
肺炎コホートMASSでは、再帰予測はタスク訓練されたシーケンスモデルと競合し、将来のシミュレーション状態は予後情報を保持する。
本モデルは,MIMIC-IV-CXR胸部X線写真と臨床軌跡を別々に訓練し,最新値融合に対する予後判定を改良し,ロックされた肺炎パネルの長水平誤差と競合する。
既知の5つのMASS-Syn環境において、Cap-MBRLは直接のフォールバック実行と比較して選択後悔を低下させる。
関連論文リスト
- Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。
本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。
本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
論文 参考訳（メタデータ） (2026-10-02T20:36:22Z) - DynImmune-BERT: Dynamic Immune Repertoire Modeling with Neural ODE Driven Continuous Transformers [20.989286585908978]
DynImmune-BERTは、患者レベルの免疫状態予測のための連続的時間レパートリーモデルである。
低ランクのメタアダプタは、観察されたクローン数とは無関係にパラメータ数を保ちながら、クローンタイプを監督する。
その結果、時系列レパートリー構造が利用できる場合、イベント認識時空間モデリングは強い静的エンコーダを補完できることがわかった。
論文 参考訳（メタデータ） (2026-07-19T13:25:05Z) - Causal Longitudinal Prior-Fitted Networks for Counterfactual Outcome Prediction [0.0]
縦処理応答データにおける時系列因果推論のための因果関係ネットワーク(CausalLongPFN)を提案する。
CausalLongPFNは、長手処理応答データとゼロショットインコンテキストの対実結果予測において、時系列因果推論に予め適合したネットワークである。
筆者らは,MIMIC-III ICUトラジェクトリにおいて,枝状癌,HIV,ワーファリンのベンチマークを地中事実ラベルを用いて評価し,実物のみの転がりオリジン予測を行った。
論文 参考訳（メタデータ） (2026-06-04T07:26:40Z) - Conditional Inverse Learning of Time-Varying Reproduction Numbers Inference [0.7367227178198079]
流行発生データから時間変化の再現数を推定することは、伝染病の監視において中心的な課題である。
本研究では,過去の発生パターンから潜在複製数への条件付きマッピングを学習することで,逆問題に対処する条件付き逆再生学習フレームワーク(CIRL)を提案する。
結果として得られた枠組みは、疫学的に根ざした制約とデータ駆動の時間的表現を結合し、観測ノイズに頑健な再生数推定を生成する。
論文 参考訳（メタデータ） (2026-03-18T09:52:41Z) - Multi-modal Adaptive Estimation for Temporal Respiratory Disease Outbreak [8.861941883057098]
MAESTROは、スペクトル時間モデリングとマルチモーダルデータ融合を統合する、新しく統一されたフレームワークである。
香港の11年以上のデータから評価すると、MAESTRO は R-square 0.956 に適合する優れたモデルを実現している。
モジュラーで再現可能なパイプラインは、他の地域や病原体への展開と拡張を容易にするために公開されている。
論文 参考訳（メタデータ） (2025-09-10T13:27:40Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Reconstructing Graph Diffusion History from a Single Snapshot [87.20550495678907]
A single SnapsHot (DASH) から拡散履歴を再構築するための新しいバリセンターの定式化を提案する。
本研究では,拡散パラメータ推定のNP硬度により,拡散パラメータの推定誤差が避けられないことを証明する。
また、DITTO(Diffusion hitting Times with Optimal proposal)という効果的な解法も開発している。
論文 参考訳（メタデータ） (2023-06-01T09:39:32Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting
Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。
DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
論文 参考訳（メタデータ） (2020-10-28T15:05:08Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z)
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。