論文の概要: An ASP-based Solution to the Chemotherapy Treatment Scheduling problem
- arxiv url: http://arxiv.org/abs/2108.02637v1
- Date: Thu, 5 Aug 2021 14:18:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-06 14:35:51.356653
- Title: An ASP-based Solution to the Chemotherapy Treatment Scheduling problem
- Title（参考訳）: ASPによる化学療法治療スケジューリング問題の解法
- Authors: Carmine Dodaro, Giuseppe Galat\`a, Andrea Grioni, Marco Maratea, Marco
Mochi, Ivan Porro
- Abstract要約: 腫瘍診療所における化学療法治療のスケジューリングの問題点は複雑である。
まず,イタリア・ジェノヴァのサン・マルティーノ病院で採用されている問題の特定の事例について考察し,回答セットプログラミング(ASP)に基づく問題解決法を提案する。
サン・マルティーノ病院が提供した実データを用いて行った実験結果から,ASPは,この重要なスケジューリング問題に対しても効果的な解決方法であることが示された。
- 参考スコア（独自算出の注目度）: 7.633618497843278
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem of scheduling chemotherapy treatments in oncology clinics is a
complex problem, given that the solution has to satisfy (as much as possible)
several requirements such as the cyclic nature of chemotherapy treatment plans,
maintaining a constant number of patients, and the availability of resources,
e.g., treatment time, nurses, and drugs. At the same time, realizing a
satisfying schedule is of upmost importance for obtaining the best health
outcomes. In this paper we first consider a specific instance of the problem
which is employed in the San Martino Hospital in Genova, Italy, and present a
solution to the problem based on Answer Set Programming (ASP). Then, we enrich
the problem and the related ASP encoding considering further features often
employed in other hospitals, desirable also in S. Martino, and/or considered in
related papers. Results of an experimental analysis, conducted on the real data
provided by the San Martino Hospital, show that ASP is an effective solving
methodology also for this important scheduling problem. Under consideration for
acceptance in TPLP.
- Abstract（参考訳）: オンコロジークリニックにおける化学療法治療のスケジューリングの問題は、このソリューションが化学療法治療計画の循環的性質、患者の一定数の維持、治療時間、看護師、薬物などの資源の入手など、いくつかの要件を満たす必要があることを考えると、複雑な問題である。
同時に、満足のいくスケジュールを実現することが、最高の健康結果を得るために最重要となる。
本稿ではまず,イタリアのジェノヴァにあるサン・マルティーノ病院で採用されている問題の具体例を考察し,解集合プログラミング(asp)に基づく問題の解法を提案する。
そこで我々は,S. Martinoでも好まれる,他の病院でよく利用される機能や関連論文で考慮される機能を考慮したASPエンコーディングの問題点と問題点を整理した。
サンマルティーノ病院の実際のデータをもとに行った実験結果から,ASPは,この重要なスケジューリング問題に対しても効果的な解決手法であることが示された。
TPLPの受容についての検討
関連論文リスト
- Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳（メタデータ） (2023-10-28T12:08:03Z) - The Blessings of Multiple Treatments and Outcomes in Treatment Effect
Estimation [53.81860494566915]
既存の研究では、プロキシ変数や複数の処理を利用してバイアスを補正している。
多くの実世界のシナリオでは、複数の結果に対する影響を研究することにより大きな関心がある。
この設定に関わる複数の結果の並列研究は、因果同定において互いに助け合うことが示されている。
論文 参考訳（メタデータ） (2023-09-29T14:33:48Z) - Inferring Actual Treatment Pathways from Patient Records [5.353552655309808]
本研究は,行政健康記録(AHR)から特定の患者群に対する実際の治療手順を推測することを目的とする。
Defragは、特定の患者グループの実際の治療手順を推測するためのAHRを調べる方法である。
私たちの知る限り、Defragはニューラルネットワーク(NN)を利用する最初の経路推論手法です。
論文 参考訳（メタデータ） (2023-09-05T02:15:08Z) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳（メタデータ） (2023-03-23T04:47:46Z) - Planning and Scheduling in Digital Health with Answer Set Programming [0.0]
医療の問題は、解決するためには、いくつかの制約と異なるタイプのリソースを考慮する必要があるため、複雑である。
我々は、すでにテスト済みのソリューションを拡張したり、新しい問題に対するソリューションをモデル化することで、このような問題の解決策を提案する予定です。
論文 参考訳（メタデータ） (2022-08-05T10:51:02Z) - Compositional Q-learning for electrolyte repletion with imbalanced
patient sub-populations [2.9271624996210313]
医療環境における不均一な治療反応を表現するために,Composeal Fitted $Q$-iteration (CFQI)を導入した。
CFQIは、各タスク変種ごとに異なるモジュールを持つ構成的な$Q$-value関数を使用し、共有知識を活用することができる。
カルトポール環境を用いてCFQIの性能を評価し,腎疾患および非腎疾患に対する電解質除去を推奨するためにCFQIを用いた。
論文 参考訳（メタデータ） (2021-10-06T16:08:05Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳（メタデータ） (2021-06-08T10:38:09Z) - Operating Room (Re)Scheduling with Bed Management via ASP [8.189696720657247]
最初に、回答セットプログラミング(ASP)に基づく問題に対する解決策を提示します。
このソリューションは、5日間のスケジュールで目標長さの3つのシナリオで、現実的なサイズとパラメータのベンチマークでテストされます。
また,再スケジュール問題に対するaspソリューションも提示する。
何らかの理由でオフラインスケジュールが完了できない場合。
論文 参考訳（メタデータ） (2021-05-05T18:51:22Z) - Clinical Temporal Relation Extraction with Probabilistic Soft Logic
Regularization and Global Inference [50.029659413650194]
既存のメソッドは、高価な機能エンジニアリングを必要とするか、イベント間のグローバルな依存関係をモデル化できない。
本稿では,確率論的ソフト論理規則化とグローバル推論を用いた新しい臨床時間緩和法を提案する。
論文 参考訳（メタデータ） (2020-12-16T08:23:03Z) - Health improvement framework for planning actionable treatment process
using surrogate Bayesian model [1.2468700211588881]
本研究は,データ駆動方式で治療プロセスを計画するための新しい枠組みを提案する。
このフレームワークの重要なポイントは、個人の健康改善のための「行動可能性」の評価である。
論文 参考訳（メタデータ） (2020-10-30T06:02:49Z) - Estimating Counterfactual Treatment Outcomes over Time Through
Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。
CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。
本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文 参考訳（メタデータ） (2020-02-10T20:47:36Z)
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。