論文の概要: PREMIER: Personalized REcommendation for Medical prescrIptions from Electronic Records

• arxiv url: http://arxiv.org/abs/2008.13569v1
• Date: Fri, 28 Aug 2020 04:48:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 02:41:27.106508
• Title: PREMIER: Personalized REcommendation for Medical prescrIptions from Electronic Records
• Title（参考訳）: PreMIER:電子カルテからの医療予感に対するパーソナライズされた勧告
• Authors: Suman Bhoi, Lee Mong Li, Wynne Hsu
• Abstract要約: われわれは、PreMIERと呼ばれる2段階の注意に基づくパーソナライズド医薬品レコメンデーションシステムを設計する。 本システムでは,患者に対する副作用を最小限に抑えるため,薬物間の相互作用を考慮に入れている。 MIMIC-IIIと独自の外来データセットの実験結果から、PreMIERは最先端の医薬品推奨システムより優れていることが示された。
• 参考スコア（独自算出の注目度）: 8.365167718547296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The broad adoption of Electronic Health Records (EHR) has led to vast amounts of data being accumulated on a patient's history, diagnosis, prescriptions, and lab tests. Advances in recommender technologies have the potential to utilize this information to help doctors personalize the prescribed medications. In this work, we design a two-stage attention-based personalized medication recommender system called PREMIER which incorporates information from the EHR to suggest a set of medications. Our system takes into account the interactions among drugs in order to minimize the adverse effects for the patient. We utilize the various attention weights in the system to compute the contributions from the information sources for the recommended medications. Experiment results on MIMIC-III and a proprietary outpatient dataset show that PREMIER outperforms state-of-the-art medication recommendation systems while achieving the best tradeoff between accuracy and drug-drug interaction. Two case studies are also presented demonstrating that the justifications provided by PREMIER are appropriate and aligned to clinical practices.
• Abstract（参考訳）: 電子健康記録(Electronic Health Records, EHR)が広く採用され、患者の歴史、診断、処方薬、検査に膨大な量のデータが蓄積されている。 推奨技術の進歩は、医師が処方薬をパーソナライズするのにこの情報を利用する可能性がある。 そこで本研究では,eprの情報を取り入れた2段階の注意に基づくパーソナライズド医薬品推薦システムpremierを設計した。 本システムでは,患者に対する副作用を最小限に抑えるために,薬物間の相互作用を考慮に入れる。 本システムでは,様々な注意重みを活用し,推奨薬に関する情報源からの貢献度を算出した。 mimic-iiiとプロプライエタリな外来データセットによる実験の結果、premierは、精度と薬物-薬物相互作用の最良のトレードオフを達成しつつ、最先端の医薬品推奨システムよりも優れています。 また,premier が提供した正当性が臨床実践に適していることを示す2つのケーススタディも提示された。

関連論文リスト

• Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
  本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。 入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。 稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
  論文  参考訳（メタデータ） (2024-03-26T14:36:22Z)
• Knowledge-Induced Medicine Prescribing Network for Medication Recommendation [9.591674293850557]
  本研究は,医学を推薦する知識誘導型医薬処方ネットワーク(KindMed)を提案する。 我々は、階層的シーケンス学習を利用して、患者の歴史的入院における臨床(診断と処置)と医療の流れの時間的ダイナミクスを発見し、融合させ、パーソナライズされたレコメンデーションを育む。 実世界のEHRコホートに対するKindMedの有効性を検証し,少数のグラフ駆動ベースラインに対する推奨性能の改善を実現した。
  論文  参考訳（メタデータ） (2023-10-23T04:15:39Z)
• ADRNet: A Generalized Collaborative Filtering Framework Combining Clinical and Non-Clinical Data for Adverse Drug Reaction Prediction [49.56476929112382]
  逆薬物反応(ADR)予測は、医療と薬物発見において重要な役割を果たす。 ADRNetは、臨床データと非臨床データを組み合わせた一般的な協調フィルタリングフレームワークである。
  論文  参考訳（メタデータ） (2023-08-03T11:28:12Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• Enriching Unsupervised User Embedding via Medical Concepts [51.17532619610099]
  教師なしのユーザ埋め込みは、患者を人間の監督なしに、固定長のベクターにエンコードすることを目的としている。 臨床ノートから抽出された医療概念は、患者とその臨床カテゴリ間の豊富な関係を含んでいる。 本稿では,2つの臨床コーパスからテキスト文書と医療概念を共同で活用する,非教師なしユーザ埋め込みを提案する。
  論文  参考訳（メタデータ） (2022-03-20T18:54:05Z)
• Conditional Generation Net for Medication Recommendation [73.09366442098339]
  医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。 医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。 提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-14T10:16:41Z)
• RecoMed: A Knowledge-Aware Recommender System for Hypertension Medications [1.2633386045916444]
  本稿では,高血圧の処方薬プロセスにおいて,医師を支援するためにRecoMedという薬剤推薦システムを開発することを目的とする。 推奨医薬のリストがシステムの出力として提供され、医師は患者の臨床症状に基づいて1つ以上の薬を選択できる。
  論文  参考訳（メタデータ） (2022-01-09T08:01:41Z)
• MeSIN: Multilevel Selective and Interactive Network for Medication Recommendation [9.173903754083927]
  薬物推奨のためのマルチレベル選択型対話型ネットワーク(MeSIN)を提案する。 まず、異なる医療コードの埋め込みに柔軟な注意スコアを割り当てるために注意選択モジュール(ASM)が適用されます。 第二に、EHRデータにおける多レベルの医療シーケンスの相互作用を強化するために、新しい対話型長期メモリネットワーク(InLSTM)を組み込む。
  論文  参考訳（メタデータ） (2021-04-22T12:59:50Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。