論文の概要: Can AI Agents Interface Clinicians and Complex Models?

• arxiv url: http://arxiv.org/abs/2610.39681v1
• Date: Thu, 29 Oct 2026 09:28:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.069944
• Title: Can AI Agents Interface Clinicians and Complex Models?
• Title（参考訳）: AIエージェントは臨床医と複雑なモデルにインタフェースできるか?
• Abstract要約: 我々は,AI Multi Agent System (MAS)を実装し,予測モデルを用いて自然言語会話による統計的分析を行う。 われわれは,ヒトの専門家が記述した疫学モデルのモジュラー・スイートを組み込んだ無トレーニングMASであるEmdemIAを開発した。 サードパーティに機密データを中継するのを避けるため、システムはローカルにオープンウェイトLSMを2つのサブエージェントのバックボーンとして使用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background: Contemporary healthcare institutions generate daily very large amounts of data, which contain highly useful information for the improvement of work organization, planning and overall efficiency. While models and techniques to extract these insights are well known and constantly developed in mathematical biology, complex systems physics and data science, the adoption of these techniques among Clinicians and Hospital Administrators remains limited, mainly due to language and methodological divides. Objective: In this article we implement an AI Multi Agent System (MAS) that allows Users to use predictive models and make statistical analyses via natural language conversations. Methods: We developed EpidemIA, a training-free MAS endowed with a modular suite of epidemiological models written by human experts, executable on a single-GPU workstation. To avoid relaying sensitive data to third parties, the system uses locally an open-weights LLM as backbone for its two subagents. Results: Using a dataset of Emergency Department visits provided to us by IRCCS Sant'Orsola (Bologna) we test the model on a few typical use cases, demonstrating the possibility of performing both simpler statistical analyses and visualizations as well as more complicated epidemiological predictions based on dynamical models, through simple queries made in natural language. Conclusions: While still being a proof-of-concept implementation, EpidemIA showcases the transformative capabilities of LLM based technologies as an enabling factor in the widespread adoption of complex dynamical models, which is at present hindered by their steep learning curve.
• Abstract（参考訳）: 背景: 現代医療機関は、労働組織の改善、計画、全体的な効率向上のために非常に有用な情報を含む、毎日非常に大量のデータを生成する。 これらの知見を抽出するモデルや技術は、数学生物学、複雑なシステム物理学、データサイエンスにおいてよく知られ、常に開発されているが、これらの技術が臨床医や病院管理者に採用されていることは、主に言語と方法論の分断のために限られている。 目的: 本稿では,予測モデルを用いて自然言語会話を通じて統計分析を行うAI Multi Agent System(MAS)を実装します。 方法:我々は,1GPUワークステーション上で実行可能な,ヒトの専門家が記述した疫学モデルのモジュールスイートを備えた,トレーニング不要のMASであるEpdemIAを開発した。 サードパーティに機密データを中継するのを避けるため、システムはローカルにオープンウェイトLSMを2つのサブエージェントのバックボーンとして使用する。 結果: IRCCS Sant'Orsola (Bologna) による緊急部門訪問のデータセットを用いて,本モデルをいくつかの典型的なユースケースで検証し,より単純な統計解析と可視化,さらには動的モデルに基づくより複雑な疫学的予測を自然言語で行う可能性を実証した。 結論: 概念実証はいまだに行われているが、EmdemIAは、LLMベースの技術の変換能力を、複雑な力学モデルの普及に有効要因として示しており、これは現在、学習曲線の急激さによって妨げられている。

関連論文リスト

• CliMB: An AI-enabled Partner for Clinical Predictive Modeling [42.32743590150279]
  CliMBは、臨床科学者が自然言語を使って予測モデルを作成できるように設計された、コードなしAI対応のパートナーである。 CliMBは、医療データ科学のパイプライン全体を通して臨床科学者をガイドする。 CliMBは、計画、エラー防止、コード実行、モデルパフォーマンスといった重要な領域において、一貫して優れたパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-09-30T21:18:05Z)
• Patient-centered data science: an integrative framework for evaluating and predicting clinical outcomes in the digital health era [0.0]
  本研究では,デジタルヘルス時代の患者中心型データサイエンスのための新たな統合的枠組みを提案する。 従来の臨床データと患者の報告した結果、健康の社会的決定要因、および多次元データを組み合わせて総合的なデジタル患者表現を作成する多次元モデルを開発した。
  論文  参考訳（メタデータ） (2024-07-31T02:36:17Z)
• LLMs-in-the-loop Part-1: Expert Small AI Models for Bio-Medical Text Translation [0.0]
  本研究では,医療用テキストに最適化された教師ありニューラルマシン翻訳モデルを開発するために,新しい"LLMs-in-the-loop"アプローチを提案する。 6つの言語での独自の平行コーパスは、科学論文、人工的に生成された臨床文書、医療文書から編纂された。 MarianMTベースのモデルは、Google Translate、DeepL、GPT-4-Turboより優れている。
  論文  参考訳（メタデータ） (2024-07-16T19:32:23Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Democratizing Artificial Intelligence in Healthcare: A Study of Model Development Across Two Institutions Incorporating Transfer Learning [8.043077408518826]
  トランスファーラーニング(TL)は、非常に小さなローカルデータセットを使用して、ある機関から完全に訓練されたモデルを他の機関によって微調整することを可能にする。 本稿では,基本的なユースケースを対象としたAIモデル開発におけるTLの課題,方法論,メリットについて述べる。
  論文  参考訳（メタデータ） (2020-09-25T21:12:50Z)

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。