論文の概要: RAG-TRACE: Tracing Measurement Evidence and Diagnostic Completeness in AI-Generated ECG Reports

• arxiv url: http://arxiv.org/abs/2611.01409v1
• Date: Sun, 01 Nov 2026 01:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.472396
• Title: RAG-TRACE: Tracing Measurement Evidence and Diagnostic Completeness in AI-Generated ECG Reports
• Title（参考訳）: RAG-TRACE:AI生成ECGレポートにおける追跡計測の証拠と診断完全性
• Abstract要約: Retrieval-augmented Generation (RAG)は、患者固有の測定支援を欠く心電図(ECG)基準を導入することができる。 本研究は,AIによる心電図レポートにおける診断基準の信頼性を評価する。
• 参考スコア（独自算出の注目度）: 0.29410438275861583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Retrieval-augmented generation (RAG) can introduce electrocardiogram (ECG) criteria that lack patient-specific measurement support. This study evaluates the reliability of retrieved diagnostic criteria in AI-generated ECG reports. Methods: We analyzed 1,083 human-validated PTB-XL patient records using a library of 47 criteria cards, including 33 without numeric verification rules. Language models generated structured reports with and without retrieval. Criterion applicability was evaluated using Marquette 12SL measurements, with independent assessment using Uni-G and comparison against expert-validated diagnostic labels. Results: Keyword retrieval introduced untestable or measurement-disconfirmed criteria in 46.8% of GPT-4.1-mini reports. A deterministic verification rule withdrew 647 criterion applications, including 639 without numeric checks, while preserving 268 of 269 applications independently supported by Uni-G. Restricting retrieval to 14 testable criteria reduced the initial unsupported-criterion rate to 13.8%. Under matched instructions and an identical output schema, retrieval increased unsupported-criterion reports from 17.4% to 31.1%, while hypertrophy recall remained unchanged at 62.6%. Conclusion: These findings identify a fundamental limitation of retrieval-based clinical report generation: retrieved criteria do not necessarily provide valid patient-specific evidence. Measurement-based verification can reduce unsupported criterion applications, but diagnostic validity requires independent assessment.
• Abstract（参考訳）: 目的: Retrieval-augmented Generation (RAG)は、患者固有の測定支援を欠く心電図(ECG)基準を導入することができる。 本研究は,AIによる心電図レポートにおける診断基準の信頼性を評価する。 方法】PTB-XL患者1083名を対象に,数値検証ルールのない33名を含む47の基準カードのライブラリーを用いて解析を行った。 言語モデルは、検索なしで構造化されたレポートを生成する。 基準適用性をMarquette 12SL測定を用いて評価し,Uni-Gを用いた独立評価と,専門家評価ラベルとの比較を行った。 結果: GPT-4.1-mini レポートの 46.8% において、キーワード検索は証明不能または測定不能な基準を導入した。 決定論的検証規則は、数値チェックなしで639件を含む647件の基準適用を撤回し、Uni-Gが独立してサポートする269件のアプリケーションのうち268件を保存した。 検索を14の試験可能な基準に制限することで、初期支持基準を13.8%に引き下げた。 一致した指示と同一の出力スキーマの下では、検索はサポートなし基準を17.4%から31.1%に引き上げたが、ハイパートロフィーリコールは62.6%で変化しなかった。 結論: これらの知見は, 検索に基づく臨床報告生成の基本的な限界を明らかにしている。 測定に基づく検証は、サポートできない基準の適用を減らすことができるが、診断の妥当性には独立した評価が必要である。

関連論文リスト

• TCM-DiagCommit: A TCM-SD-Derived Benchmark for Evidence-Conditioned Syndrome Selection and Commitment [7.843710513049054]
  本稿では,TCM-SD/ZY-BERTリソースから派生したベンチマークであるTCM-DiagCommitを紹介する。 1,834件のソースを148件の症候群ラベルで23,842件のタスク行に変換する。 ベンチマークで定義されたアクションコントラクトはコミット、取得、延期、および停止をスコアする。
  論文  参考訳（メタデータ） (2026-10-27T13:46:04Z)
• 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)
• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• MamaBench: Benchmarking LLM Robustness in Maternal and Child Health Diagnosis through Counterfactual Clinical Perturbation [0.49454229616760287]
  大規模言語モデルは医学ベンチマークで強いスコアを得るが、これらのベンチマークはそれぞれの質問を独立して評価する。 ママベンチ(MamaBench)は、母体と小児のAIに対する最初のカウンターファクトのベンチマークである。 Evidence-Anchored RAGは,アグリゲート類似性をエビデンスカバレッジの目的に置き換える3段階検索手法である。
  論文  参考訳（メタデータ） (2026-07-15T21:56:19Z)
• CLExEval: A Human-in-the-Loop Framework for Qualitative Evaluation of LLM Clinical Reasoning [37.91882261875461]
  大規模言語モデル (LLMs) は多くの医学ベンチマークにおいて強い結果が得られたが, 臨床的理由を確実に評価することは困難である。 プログレッシブな情報マスキング下でのLCM臨床推論を評価するための人為的ループ・フレームワークであるCLExEvalを紹介した。
  論文  参考訳（メタデータ） (2026-06-30T12:56:42Z)
• Cross-Modal Contrastive Learning of ECG and Angiography Representations for Severe Stenosis Classification [79.18126160626093]
  冠動脈狭窄は一般的な心血管疾患であり、重症で未治療の症例は心臓発作の重大なリスクを訴える。 プレトレーニングフレームワークであるStenCEを導入し,心電図から直接抽出した特徴に基づいて患者の階層化を可能にする。 得られたモデルは心電図における狭窄診断のための信号の検出に成功し,重症狭窄分類において初めて高い性能を達成した。
  論文  参考訳（メタデータ） (2026-05-23T14:50:22Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• Cancer Diagnosis Categorization in Electronic Health Records Using Large Language Models and BioBERT: Model Performance Evaluation Study [0.1625256372381793]
  がん患者3456例のICD (International Classification of Diseases, 436free-text entrys) について, 762例の診断を行った。 モデルは、診断を14の既定のカテゴリに分類する能力で試験された。 GPT-3.5、Gemini、Llamaは両方のフォーマットで全体的なパフォーマンスを低下させた。
  論文  参考訳（メタデータ） (2025-10-08T16:50:40Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。