4157 件の論文
PhenoAgentは、構造化されたクエリ分解、自己修正、およびマルチモデル・コンセンサスを活用することで、自由記述形式の電子カルテから臨床フェノタイプを正確に抽出する、プライバシー保護型のエージェント型LLMフレームワークであり、日本の病院データセットにおいて従来のベースラインを大幅に上回るとともに医師レベルの性能を実現しています。
本研究は、外科領域の質的研究における人間による主題分析とAI支援による主題分析を比較しており、両手法は同様の包括的なテーマを特定するものの、人間が作成したコードブックはより明確な主題的境界を持つため、より高いコーダー間信頼性をもたらすことを明らかにしており、AIの効率性と人間の洗練を組み合わせたハイブリッドなアプローチが最適である可能性を示唆している。
本論文は、公開データセットであるIXIを用いて学習された、モダリティ特有のエンコーダー、共有潜在空間、およびモダリティ・ドロップアウト戦略を活用することで、画像シーケンスの欠損がある場合でも脳MRIの年齢回帰および性別分類タスクにおいて堅牢な性能を維持する深層学習フレームワークである、Modality-Missing Robust Representation Network (MMR-Net) を提案する。
本研究は、大規模な患者レビューから副作用の検出および治療効果の評価を効果的に行う、解釈可能なマルチモデルNLPフレームワークを開発・評価し、この領域においては従来の機械学習手法がトランスフォーマーベースのゼロショット分類よりも優れた性能を示すことを実証するものである。
本研究は、実世界の救急外来におけるトリアージ・データを用いて16個の大規模言語モデルをベンチマークし、構造化されたプロンプティングによって重症度分類において看護師と実質的な一致を得られる一方で、ほとんどのモデルは限定的な精度、不十分な部門割り当て、系統的な過信、および非決定的な挙動を示しており、さらなる検証と改善なしには臨床実装の準備が整っていないことを明らかにしている。
本研究は、メタ・プロンプティングとドメイン固有のガイドラインを活用した反復的に最適化されたアクセシブルなAIツールが、形成外科の論文に対して構造化された高品質なフィードバックを提供する上で、ベースラインとなるAIモデルおよび人間の査読者の両方を大幅に上回ることを実証しており、それによってリソースの限られた環境における研究者を支援するためのスケーラブルな解決策を提示している。
本研究は、Sentinel-1 SARとSentinel-2光学データの統合にモダリティ認識型階層的アテンションメカニズムを用いる新しいディープラーニングフレームワークであるFusionAttNetを紹介するものであり、スペクトル均質性、雲による被覆、および季節変動を効果的に対処することで、カメルーン北部の半乾燥地帯における土地被覆分類において96.75%の精度を達成し、従来の融合手法を大幅に上回る成果を示している。
本研究は、エージェントベースモデリングと強化学習を用いて、セキュリティオペレーションセンターにおけるトレーニング期間が非線形なパフォーマンス向上をもたらすことを実証しており、最適な投資は500から1,000エピソードの間で発生し、高度に訓練されたチームは20〜25名の人員を追加採用することに相当する効率上の優位性を達成することを明らかにしている。
本論文は、物理的なHID侵入とMQTTネットワーク攻撃を連鎖させることで、制約のあるIoTデバイスにおける重大なセキュリティとパフォーマンスのトレードオフが露呈することを実証する再現可能な実験的フレームワークを提示しており、TLSは強力な機密性を提供する一方で、レガシーなハードウェアにおいては法外なレイテンシとメモリコストを発生させることを明らかにし、それによって、効率的かつスケーラブルな保護のためにアクセス制御リストを優先する新しいハイブリッド防御層（Hybrid Defense-in-Depth）アーキテクチャを動機付けている。
2018年から2026年までの13,502件のAI/ML関連の撤回記録に関するこの特性評価研究は、コンピュータ生成コンテンツが撤回の最大の単一の推定原因であり、事例の34.8%を占め、主に2021年から2023年の間に発表された論文に影響を与えていることを明らかにしている。