臨床データのための不確実性を考慮した基盤モデル
arXiv cs.LG / 2026/4/7
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、各患者を単一の決定論的埋め込みとして扱うのではなく、潜在的な生理状態に関する分布として扱うことで、臨床向け基盤モデルのための不確実性を考慮した枠組みを提案する。
- 不完全・不規則で、かつモダリティに依存する臨床観測にまたがって整合性を強制し、確実に推論できる内容を捉えつつ、認識論的不確実性を明示的に符号化する。
- 本アプローチは、多モーダル・エンコーダと、再構成、対照的アラインメント、分布的正則化を含むスケーラブルな自己教師あり目的を組み合わせる。
- 複数の臨床タスクにわたる実験により、予測性能の向上、欠損データへの頑健性の改善、強力なベースライン手法に比べた不確実性キャリブレーションの改善が示される。
- 著者らは、異種の臨床データで訓練される医療向け基盤モデルにおいて、「観測されていないもの」（不確実性）を明示的にモデル化することが重要な帰納バイアスであると主張している。
