論文の概要: Conditional Generation Net for Medication Recommendation

• arxiv url: http://arxiv.org/abs/2202.06588v1
• Date: Mon, 14 Feb 2022 10:16:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-15 17:11:27.316663
• Title: Conditional Generation Net for Medication Recommendation
• Title（参考訳）: 医薬勧告のための条件生成ネット
• Authors: Rui Wu, Xipeng Qiu, Jiacheng Jiang, Guilin Qi, Xian Wu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 73.09366442098339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medication recommendation targets to provide a proper set of medicines according to patients' diagnoses, which is a critical task in clinics. Currently, the recommendation is manually conducted by doctors. However, for complicated cases, like patients with multiple diseases at the same time, it's difficult to propose a considerate recommendation even for experienced doctors. This urges the emergence of automatic medication recommendation which can help treat the diagnosed diseases without causing harmful drug-drug interactions.Due to the clinical value, medication recommendation has attracted growing research interests.Existing works mainly formulate medication recommendation as a multi-label classification task to predict the set of medicines. In this paper, we propose the Conditional Generation Net (COGNet) which introduces a novel copy-or-predict mechanism to generate the set of medicines. Given a patient, the proposed model first retrieves his or her historical diagnoses and medication recommendations and mines their relationship with current diagnoses. Then in predicting each medicine, the proposed model decides whether to copy a medicine from previous recommendations or to predict a new one. This process is quite similar to the decision process of human doctors. We validate the proposed model on the public MIMIC data set, and the experimental results show that the proposed model can outperform state-of-the-art approaches.
• Abstract（参考訳）: 治療勧告の対象は、患者の診断に従って適切な薬群を提供することであり、これは診療所において重要な課題である。 現在は医師が手作業で推奨している。 しかし,多発性疾患を併発する症例のように複雑な症例では,経験豊富な医師でも考慮すべき推奨案を提案することは困難である。 これにより、有害な薬物・薬物相互作用を引き起こすことなく、診断された疾患を治療できる自動薬剤推奨が出現し、その臨床的価値により、研究の関心が高まり、医薬推奨を多ラベル分類タスクとして定式化して医薬品のセットを予測する研究が進められている。 本稿では, 医薬品群を生成するための新しいコピー・オ・プレディクト機構を導入する条件付き生成ネット(cognet)を提案する。 患者が与えられた場合、提案モデルはまず、過去の診断と推奨薬を検索し、現在の診断との関係を発掘する。 そして、各薬の予測において、提案モデルは、以前の推奨から薬をコピーするか、新しい薬を予測するかを決定する。 このプロセスは、人間の医師の決定プロセスと非常に似ています。 提案モデルの有効性を検証するとともに,提案モデルが最先端のアプローチに勝ることを示す実験結果を得た。

関連論文リスト

• Contrastive Learning on Medical Intents for Sequential Prescription Recommendation [7.780844394603662]
  Attentive Recommendation with Contrasted Intents (ARCI) は、異なるが共存する時間的経路を、共通の訪問シーケンスで捉えるように設計されている。 評価基準と分類基準の両方を用いて,2つの実世界のデータセットを処方勧告タスクとして実験した。
  論文  参考訳（メタデータ） (2024-08-13T20:10:28Z)
• 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)
• Large Language Model Distilling Medication Recommendation Model [61.89754499292561]
  大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。 本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。 これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2024-02-05T08:25:22Z)
• 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)
• 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)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• PREMIER: Personalized REcommendation for Medical prescrIptions from Electronic Records [8.365167718547296]
  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。
  論文  参考訳（メタデータ） (2020-08-28T04:48:32Z)
• Learning-based Computer-aided Prescription Model for Parkinson's Disease: A Data-driven Perspective [61.70045118068213]
  我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。 そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。 新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
  論文  参考訳（メタデータ） (2020-07-31T14:34:35Z)

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。