自己進化型深層臨床研究による臨床医の認知のエミュレーション

本文: arXiv:2603.10677v1 告知タイプ: new 要旨: 臨床診断は、動的な手掛かりの取得と継続的な専門知識の蓄積に基づく、複雑な認知プロセスである。しかし、現在の多くの人工知能（AI）システムはこの現実と乖離しており、診断を単回の回顧的予測として扱い、統治された改善のための監査可能な機構を欠いている。我々はDxEvolveを開発した。DxEvolveは、対話型の深層臨床研究ワークフローを通じてこれらのギャップを埋める自己進化型診断エージェントである。このフレームワークは検査を自動的に要請し、遭遇機会の増加を通じて蓄積される臨床経験を診断認知プリミティブとして継続的に外部化する。MIMIC-CDMベンチマークにおいて、DxEvolveはバックボーンモデルに対して平均11.2%の診断精度向上を達成し、読影研究のサブセットで90.4%に達し、臨床医の参照値（88.8%）と比較可能であった。DxEvolveは、独立した外部コホートにおいて、カバーされたカテゴリで10.2%、未カバーのカテゴリで17.1%の精度向上を競合手法と比較して達成した。経験を統治可能な学習資産へ転換することにより、DxEvolveは臨床AIの継続的進化に対する説明責任を持つ道筋を支援する。