Fugu-MT 論文翻訳(概要): Retrofitting Vector Representations of Adverse Event Reporting Data to Structured Knowledge to Improve Pharmacovigilance Signal Detection

論文の概要: Retrofitting Vector Representations of Adverse Event Reporting Data to Structured Knowledge to Improve Pharmacovigilance Signal Detection

arxiv url: http://arxiv.org/abs/2008.03340v1
Date: Fri, 7 Aug 2020 19:11:51 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 01:20:21.186138
Title: Retrofitting Vector Representations of Adverse Event Reporting Data to Structured Knowledge to Improve Pharmacovigilance Signal Detection
Title（参考訳）: 有害事象報告データのベクター表現を構造化知識に再フィッティングすることで薬物移動信号の検出を改善する
Authors: Xiruo Ding, Trevor Cohen
Abstract要約: 副作用の薬物イベント(ADE)は一般的で費用がかかる。臨床試験は潜在的なADEを識別する能力に制約がある。統計学的手法は、これらの報告から信号を検出するのに便利な方法であるが、薬物とADEの関係を利用するには限界がある。 Aer2vecは、類似性のパターンをキャプチャするADEレポートエンティティの分散ベクトル表現を生成するが、語彙知識は利用できない。本稿では,Aer2vec 薬物の組み込みを RxNorm の知識に適合させ,ベクトル再スケーリングを応用した新たな再適合変種を開発することにより,その限界に対処する。
参考スコア（独自算出の注目度）: 6.644784804652259
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Adverse drug events (ADE) are prevalent and costly. Clinical trials are constrained in their ability to identify potential ADEs, motivating the development of spontaneous reporting systems for post-market surveillance. Statistical methods provide a convenient way to detect signals from these reports but have limitations in leveraging relationships between drugs and ADEs given their discrete count-based nature. A previously proposed method, aer2vec, generates distributed vector representations of ADE report entities that capture patterns of similarity but cannot utilize lexical knowledge. We address this limitation by retrofitting aer2vec drug embeddings to knowledge from RxNorm and developing a novel retrofitting variant using vector rescaling to preserve magnitude. When evaluated in the context of a pharmacovigilance signal detection task, aer2vec with retrofitting consistently outperforms disproportionality metrics when trained on minimally preprocessed data. Retrofitting with rescaling results in further improvements in the larger and more challenging of two pharmacovigilance reference sets used for evaluation.
Abstract（参考訳）: 逆薬のイベント(ADE)は一般的で費用がかかる。臨床試験は、潜在的なADEを特定する能力に制約があり、ポストマーケット監視のための自発的報告システムの開発を動機付けている。統計的手法は、これらの報告から信号を検出するのに便利な方法であるが、その離散的な数に基づく性質から薬物とadesの関係性を活用するのに制限がある。提案手法であるaer2vecは、類似性のパターンをキャプチャするADEレポートエンティティの分散ベクトル表現を生成するが、語彙知識は利用できない。本稿では,Aer2vec 薬物の組み込みを RxNorm の知識に適合させ,ベクトル再スケーリングを応用した新たな再適合変種を開発することにより,その限界に対処する。薬物移動信号検出タスクの文脈で評価すると、再適合したaer2vecは、最小限の事前処理データでトレーニングされた場合、不均等な指標を一貫して上回る。再スケーリングによるリトロフィッティングにより、評価に用いられる2つの薬剤移動基準セットがより大きく、より困難になる。

関連論文リスト

Boosting drug-disease association prediction for drug repositioning via dual-feature extraction and cross-dual-domain decoding [9.721502993958193]
本稿では,薬物や疾患を表現するためのDual-Feature Drug Repositioning Neural Network(DFDRNN)モデルを提案する。提案するDFDRNNモデルは,4つのベンチマークデータセット上で6つの最先端手法より優れている。 2つの疾患のケーススタディは、提案したDFDRNNモデルが現実世界のシナリオに適用可能であることを示している。
論文参考訳（メタデータ） (2024-07-16T15:02:18Z)
Enhancing Adverse Drug Event Detection with Multimodal Dataset: Corpus Creation and Model Development [12.258245804049114]
有害薬物イベント(ADEs)の採掘は、患者の安全性を高めるために薬物移動において重要な役割を担っている。従来のADE検出方法は信頼性が高いが遅く、大規模な操作に容易に適応できない。以前のADE鉱業研究は、視覚的な手がかりを見越して、テキストベースの方法論に焦点を当ててきた。我々は、ADE関連テキスト情報を視覚支援と組み合わせたMMADE(MultiModal Adverse Drug Event)検出データセットを提案する。
論文参考訳（メタデータ） (2024-05-24T17:58:42Z)
Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文参考訳（メタデータ） (2024-05-23T13:22:17Z)
Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
論文参考訳（メタデータ） (2024-04-24T03:25:53Z)
CLDR: Contrastive Learning Drug Response Models from Natural Language Supervision [15.330792768046615]
自然言語の教師付きコントラスト学習フレームワークであるMNを提案する。がんデータセットにおける薬物感受性のゲノムから数十万のサンプルを検証した。実験により、MN は標本を表現空間内の連続分布に効果的に制約することを示した。
論文参考訳（メタデータ） (2023-12-17T12:51:49Z)
You've Got Two Teachers: Co-evolutionary Image and Report Distillation for Semi-supervised Anatomical Abnormality Detection in Chest X-ray [33.272751884183556]
公的なMIMIC-CXRベンチマークの実験結果は、CEIRDがいくつかの最新の弱い半教師付き手法に優れていることを示す。
論文参考訳（メタデータ） (2023-07-18T12:18:21Z)
Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
論文参考訳（メタデータ） (2023-06-08T07:05:36Z)
Drug Synergistic Combinations Predictions via Large-Scale Pre-Training and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文参考訳（メタデータ） (2023-01-14T15:07:43Z)
Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文参考訳（メタデータ） (2022-06-04T13:16:30Z)
The Neural Metric Factorization for Computational Drug Repositioning [1.5206182560183663]
計算薬物再配置は、市販薬物の新しい治療疾患を発見することを目的としている。行列因数分解モデルは, 医薬再配置における主要な基礎技術となっている。本稿では, 医薬再配置のためのニューラル・メトリック・ファクター化モデルを提案する。
論文参考訳（メタデータ） (2021-09-16T03:14:43Z)
Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
論文参考訳（メタデータ） (2020-12-08T02:26:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。