GraphWalker: 電子健康記録における臨床推論のための、グラフに導かれるインコンテキスト学習
arXiv cs.LG / 2026/4/9
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- GraphWalkerは、電子健康記録（EHR）における臨床推論に対する大規模言語モデルのインコンテキスト学習（ICL）を改善するための研究提案であり、類似度アラインメントの限界、コホート（集団）レベルでの認識の不足、デモンストレーションの冗長性という課題に取り組む。
- この手法は、患者の臨床情報と、LLMが推定する情報利得（information gain）を共同でモデル化することで、デモンストレーション選択をモデルの推論ニーズにより適切に整合させる。
- 集団レベルの構造を取り入れるために「Cohort Discovery」を追加し、例の選択時に生じやすいノイズを含むローカルな最適解への収束を抑える。
- 情報の集約には、冗長または相互作用するデモンストレーションによって減少する限界的な効果（diminishing marginal returns）を避けるため、Frontier Expansionを伴うLazy Greedy Searchを用いる。
- 複数の実世界のEHRベンチマークでの実験により、GraphWalkerが既存のICLベースラインを上回ることが示され、著者らは関連するGitHubリポジトリを通じてオープンソースコードを提供している。
