論文の概要: Radiology Guideline-derived Decision Graph for Efficient Clinical Decision Support

• arxiv url: http://arxiv.org/abs/2610.40327v1
• Date: Thu, 29 Oct 2026 15:56:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.110521
• Title: Radiology Guideline-derived Decision Graph for Efficient Clinical Decision Support
• Title（参考訳）: 放射線診断ガイドラインに基づく効率的な臨床診断支援のための意思決定グラフ
• Abstract要約: 本稿では,事例評価からガイドラインコンパイルを分離するフレームワークであるGDGraphについて述べる。 コンパイル中、大きな言語モデルはガイドラインをセクションベースのチャンクに分割し、リンクされた定義で局所的な決定サブグラフを抽出し、関連するブランチを実行可能な決定グラフに集約する。 GDGraph は System One の精度を 57.3% から 90.8% に改善し、検索強化 GPT-4o とグラフ誘導 GPT-4o を上回った。
• 参考スコア（独自算出の注目度）: 3.4812471456195433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radiological risk stratification and management planning are essential downstream tasks in medical imaging. Automating these tasks is challenging because clinical guideline criteria are distributed across prose, tables, and cross-referenced definitions. We present Guideline-derived Decision Graph (GDGraph), a framework that decouples guideline compilation from case evaluation. During compilation, a large language model partitions guidelines into section-based chunks, extracts local decision subgraphs with linked definitions, and aggregates related branches into an executable decision graph. During inference, a fast System One model answers localized clinical questions while deterministic traversal resolves Boolean logic, turning opaque single-pass predictions into a traceable decision path without task-specific training. Across 347 cases spanning renal cyst, adnexal mass, and thyroid nodule guidelines, GDGraph improves System One accuracy from 57.3% to 90.8%, outperforming retrieval-augmented GPT-4o (80.1%) and graph-guided GPT-4o with chain-of-thought (82.7%) at substantially lower latency and cost. The source code will be available.
• Abstract（参考訳）: 放射線学的リスク階層化と管理計画は、医用画像に欠かせない下流業務である。 これらのタスクの自動化は、臨床ガイドライン基準が散文、表、相互参照の定義に分散しているため、難しい。 本稿では,事例評価からガイドラインコンパイルを分離するフレームワークであるGDGraphについて述べる。 コンパイル中、大きな言語モデルはガイドラインをセクションベースのチャンクに分割し、リンクされた定義で局所的な決定サブグラフを抽出し、関連するブランチを実行可能な決定グラフに集約する。 推論中、高速なSystem Oneモデルは局所的な臨床問題に答え、決定論的トラバーサルはブール論理を解き、不透明な単一パス予測をタスク固有のトレーニングなしでトレース可能な決定経路に変換する。 腎嚢胞、副腎腫瘤、甲状腺結節ガイドラインにまたがる347例のうち、GDGraphはシステム1の精度を57.3%から90.8%に改善し、検索増強GPT-4o (80.1%) とグラフ誘導GPT-4o (82.7%) を著しく低いレイテンシとコストで改善した。 ソースコードは利用可能になる。

関連論文リスト

• Case2Flow: Bridging Patient Cases and Guideline Flowcharts through Multimodal Retrieval [65.99409194536337]
  Case2Flowは、患者に対して最も関連性の高いガイドラインフローチャートを取得するために設計されたタスクである。 FlowAtlasは、2,080の医療ガイドラインから抽出された202のフローチャートのキュレートコーパスである。 CRISPは、非形式的パッチを抑えることで遅延相互作用検索を鋭くする訓練不要スコアリング手法である。
  論文  参考訳（メタデータ） (2026-08-26T21:27:22Z)
• Decomposing Whole Slide Image Report Generation with Graph-Constrained Multiple Instance Learning Workflows [0.07817813851272346]
  凍結したVirchow2タイルの埋め込みをMIL(Multiple-instance Learning)分類ヘッドで集約するフレームワークを提案する。 臓器条件付きグラフは、これらの回答の集合を、言語モデルが病理報告として実現した構造化推論連鎖に制約する。
  論文  参考訳（メタデータ） (2026-08-15T18:16:38Z)
• Beyond Local Inspection: Global, Guideline-Grounded Evaluation of Post-hoc XAI Methods for ECG Classification [0.0]
  本報告では, 心室筋電図から心室筋電図を抽出し, 臨床的に定義された関心領域に対して評価する枠組みを提案する。 その結果,コンピュータビジョンから転送される手法の体系的失敗が明らかになった。 13の手法のうち9つは、少なくとも1つの条件で失敗し、パターン間の不整合性を示す。
  論文  参考訳（メタデータ） (2026-07-27T06:16:28Z)
• HSQ-VLM: A Novel Spatially-Constrained Quadrant Segmentation VLM Model for Explainability in Diabetic Retinopathy [0.0]
  本稿では,基礎画像上の新しい分節分割パイプラインであるHSQ-VLMを提案する。 任意のイメージパーティショニングに依存する従来の方法とは異なり、パイプラインは4つのクアドラントなトポロジカルレイトパーティショニングを実装しています。 これによりビジョン・ランゲージ・モデル(Vision-Language Model)は、病理を解剖学的精度で定量化する自然言語レポートを生成することができる。
  論文  参考訳（メタデータ） (2026-06-11T19:02:02Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• Closing Reasoning Gaps in Clinical Agents with Differential Reasoning Learning [16.144050164828794]
  本稿では, 臨床薬品の理性差を学習し, 臨床薬品の改善を図るためのフレームワークDRLを提案する。 DRLは、有向非巡回グラフ(DAG)として推論グラフを抽出し、臨床重み付きグラフ編集距離(GED)に基づく不一致解析を行う。 推論では、エージェントプロンプトを増強し、可能性のあるロジックギャップをパッチするために、トップ$k$命令を検索します。
  論文  参考訳（メタデータ） (2026-02-10T16:29:32Z)
• A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
  Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。 本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
  論文  参考訳（メタデータ） (2025-12-23T13:26:13Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• A Greedy Graph Search Algorithm Based on Changepoint Analysis for Automatic QRS Complex Detection [6.47783315109491]
  心電図(ECG)信号は、心血管疾患の研究において最も広く用いられる非侵襲的ツールである。 本研究では,最適点検出モデルに基づく新しいグラフィカルモデルを導入することにより,ECG信号解析の新しい手法を提案する。 提案モデルでは,ECG信号の急激な変化を検出するために,変化点の空間性を利用する。
  論文  参考訳（メタデータ） (2021-02-06T08:59:18Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。