Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.19096

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2508.19096 (cs)
[提交于 2025年8月26日 ]

标题: 通过置信度估计的电子健康记录可信代理

标题: Trustworthy Agents for Electronic Health Records through Confidence Estimation

Authors:Yongwoo Song, Minbyul Jeong, Mujeen Sung
摘要: 大型语言模型(LLMs)在从电子健康记录(EHR)中提取信息和支持临床决策方面显示出前景。 然而,在临床环境中部署面临由于幻觉风险带来的挑战。 我们提出了Hallucination Controlled Accuracy at k%(HCAcc@k%),一种新型指标,用于量化不同置信度阈值下的准确性-可靠性权衡。 我们引入了TrustEHRAgent,一个具有置信度意识的代理,结合逐步置信度估计来进行临床问题回答。 在MIMIC-III和eICU数据集上的实验表明,TrustEHRAgent在严格的可靠性约束下优于基线方法,在HCAcc@70%时分别实现了44.23%p和25.34%p的提升,而基线方法在这些阈值上失败。 这些结果突显了传统准确性指标在评估医疗AI代理方面的局限性。 我们的工作有助于开发可信赖的临床代理,能够在置信度低时提供准确信息或透明地表达不确定性。
摘要: Large language models (LLMs) show promise for extracting information from Electronic Health Records (EHR) and supporting clinical decisions. However, deployment in clinical settings faces challenges due to hallucination risks. We propose Hallucination Controlled Accuracy at k% (HCAcc@k%), a novel metric quantifying the accuracy-reliability trade-off at varying confidence thresholds. We introduce TrustEHRAgent, a confidence-aware agent incorporating stepwise confidence estimation for clinical question answering. Experiments on MIMIC-III and eICU datasets show TrustEHRAgent outperforms baselines under strict reliability constraints, achieving improvements of 44.23%p and 25.34%p at HCAcc@70% while baseline methods fail at these thresholds. These results highlight limitations of traditional accuracy metrics in evaluating healthcare AI agents. Our work contributes to developing trustworthy clinical agents that deliver accurate information or transparently express uncertainty when confidence is low.
主题: 人工智能 (cs.AI)
引用方式: arXiv:2508.19096 [cs.AI]
  (或者 arXiv:2508.19096v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.19096
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yongwoo Song [查看电子邮件]
[v1] 星期二, 2025 年 8 月 26 日 14:59:04 UTC (2,028 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号