論文の概要: When to Trust Simulated Patient Responses:Support-Gated World Models for Vasopressor Decision Support
- arxiv url: http://arxiv.org/abs/2611.18458v1
- Date: Fri, 13 Nov 2026 17:28:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.402525
- Title: When to Trust Simulated Patient Responses:Support-Gated World Models for Vasopressor Decision Support
- Title(参考訳): 患者反応を信頼する時:Vasopressor Decision 支援のためのSupport-Gated World Models
- Abstract要約: Support-Gated World-Model decision supportはプロポーザル-シミュレート-リファインエージェントの軽量拡張である。
リカレントダイナミックス・アンサンブルは、記録されたノルエピネフリン用量カテゴリに対する短期水平的生理的反応を予測する。
ジョイントゲーティングはMAP平均絶対誤差が7.3 mmHgであり、ランダム選択では9.2 mmHgである。
- 参考スコア(独自算出の注目度): 6.158881941773544
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clinical world models expose language-model agents to predicted patient responses, but simulations can be unreliable for poorly supported treatments or unfamiliar hospitals. We introduce Support-Gated World-Model decision support, a lightweight extension of a propose--simulate--refine agent. A recurrent dynamics ensemble predicts short-horizon physiological responses to documented norepinephrine dose categories, while a behavior model estimates observational action support. The interface withholds predictions with insufficient support or excessive ensemble disagreement and abstains when no candidate qualifies. Evaluation on eICU-CRD includes 70 hospitals and 30,700 decision transitions, with 14 hospitals held out for testing. At 62.0% factual-transition coverage, joint gating yields a MAP mean absolute error of 7.3 mmHg, compared with 9.2 mmHg for random selection at the same coverage. The gated agent achieves 60.0% agreement with recorded actions at 81.0% decision coverage, compared with 55.0% agreement and 99.5% coverage for an ungated ensemble agent. Component ablations show lower factual risk with joint gating than with either gate alone.These results characterize a reliability--coverage trade-off in selective clinical simulation; they do not identify individualized treatment effects or establish improved patient outcomes.
- Abstract(参考訳): 臨床世界モデルは、患者の反応を予測するために言語モデルエージェントを公開するが、不十分な治療や不慣れな病院ではシミュレーションは信頼できない。
本稿では,提案-シミュレーション-リファインエージェントの軽量拡張であるSupport-Gated World-Model決定サポートを紹介する。
リカレントダイナミックス・アンサンブルは、記録されたノルエピネフリン用量カテゴリに対する短期水平的な生理的応答を予測し、行動モデルは観察行動支援を推定する。
インターフェースは、不十分な支持や過剰なアンサンブルの不一致を伴う予測を控え、候補者が適格でない場合は棄権する。
eICU-CRDの評価には70の病院と30,700の意思決定移行が含まれており、14の病院が試験のために待機している。
62.0%の事実遷移カバレッジでは、MAP平均絶対誤差は7.3 mmHgであり、同じカバレッジでのランダム選択では9.2 mmHgである。
ゲートエージェントは、55.0%の合意と99.5%のアンサンブルエージェントに対して、記録されたアクションと60.0%の合意を81.0%の意思決定カバレッジで達成する。
これらの結果から, 選択的臨床シミュレーションにおける信頼性-被覆トレードオフを特徴とし, 個別化治療効果の同定や, 改善された患者結果の確立には至らなかった。
関連論文リスト
- When Participant Disjoint Validation Is Not Enough to Establish Generalization in Parkinson's Gait Classification [0.0]
当科におけるParkinson病の分類について,WearGait-PD133名から159名を対象に検討した。
その結果, 参加者非結合型プール型バリデーションは, サイト関連変異から疾患関連差別を分離しないことがわかった。
論文 参考訳(メタデータ) (2026-10-12T05:57:54Z) - ScienceBuddy-PV: A Verifier-Governed Recursive Improvement Protocol for Panvascular Intervention Research [10.439532348359288]
ScienceBuddyはScienceBuddyのデザインを、構造化されたエビデンス台帳、デバイス容器、禁断契約、障害銀行の維持を通じて、血管介入の研究に適合させる。
我々は、ARCADE構文と狭窄タスクを別々に使用して、完全なエージェントシステムではなく、固定されたコンポーネントを監査する。
論文 参考訳(メタデータ) (2026-10-10T03:35:28Z) - A Domain-Structured Ensemble Framework for Perioperative Outcome Prediction Using Electronic Health Record Data [0.0]
周術期のリスク予測モデルは、狭い外科的人口、不完全なデータ、限られた解釈可能性によって制限されることが多い。
日常的に収集された電子健康記録(EHR)データを用いた結果予測のためのドメイン構造化アンサンブルフレームワークを提案する。
全国の保健情報交換所で行った5,386件の症例管理サンプルにおいて,術後デリリウムを用いた枠組みを実証した。
論文 参考訳(メタデータ) (2026-08-09T21:15:12Z) - A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。
臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
論文 参考訳(メタデータ) (2026-05-06T07:44:39Z) - Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
パーキンソン病は世界中で1千万人以上に影響している。
個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。
我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
論文 参考訳(メタデータ) (2026-03-31T02:36:10Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳(メタデータ) (2026-03-23T05:46:45Z) - Clinician input steers frontier AI models toward both accurate and harmful decisions [10.599240857217811]
8つのフロンティアモデルにまたがる21の言語モデル (LLM) を, 差分診断生成と次のステップ勧告に基づいて評価した。
専門的な文脈は、21モデル全体にわたる正しい最終診断の包含を著しく改善した。
GPT-4o 実験では, 臨床症状の明確な不確実性信号により, 対側的文脈での診断性能が向上した。
論文 参考訳(メタデータ) (2026-03-14T23:47:53Z) - Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。
入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
論文 参考訳(メタデータ) (2026-01-07T23:35:24Z) - DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。
本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
論文 参考訳(メタデータ) (2025-10-24T08:01:21Z) - Artificial Intelligence-Based Triaging of Cutaneous Melanocytic Lesions [0.8864540224289991]
患者数の増加とより包括的な診断の必要性により、病理学者は作業負荷の増大に直面している。
われわれは,全スライド画像に基づいて皮膚メラノサイト性病変をトリアージする人工知能(AI)モデルを開発した。
論文 参考訳(メタデータ) (2024-10-14T13:49:04Z)
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。