論文の概要: Herb-Drug Interactions: A Holistic Decision Support System in Healthcare

• arxiv url: http://arxiv.org/abs/2306.15365v1
• Date: Tue, 27 Jun 2023 10:30:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-28 13:51:41.173970
• Title: Herb-Drug Interactions: A Holistic Decision Support System in Healthcare
• Title（参考訳）: Herb-Drug 相互作用:医療における全体的意思決定支援システム
• Authors: Andreia Martins, Eva Maia, Isabel Pra\c{c}a
• Abstract要約: ハーブとドラッグの相互作用を識別するために、原型およびハイブリッドな意思決定支援システムが設計された。 異なる機械学習モデルを使用して、これらのケースで使用される典型的なルールエンジンを強化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complementary and alternative medicine are commonly used concomitantly with conventional medications leading to adverse drug reactions and even fatality in some cases. Furthermore, the vast possibility of herb-drug interactions prevents health professionals from remembering or manually searching them in a database. Decision support systems are a powerful tool that can be used to assist clinicians in making diagnostic and therapeutic decisions in patient care. Therefore, an original and hybrid decision support system was designed to identify herb-drug interactions, applying artificial intelligence techniques to identify new possible interactions. Different machine learning models will be used to strengthen the typical rules engine used in these cases. Thus, using the proposed system, the pharmacy community, people's first line of contact within the Healthcare System, will be able to make better and more accurate therapeutic decisions and mitigate possible adverse events.
• Abstract（参考訳）: 補完薬や代替薬は、一般的に通常の薬と併用され、副作用や死亡に至る。 さらに、ハーブとドラッグの相互作用の可能性は、健康専門家がデータベースでそれらを記憶したり手動で検索するのを防ぐ。 意思決定支援システムは、臨床医が患者のケアで診断と治療の決定を行うのに役立つ強力なツールである。 そのため、ハーブとドラッグの相互作用を識別する独自のハイブリッドな意思決定支援システムが設計され、人工知能技術を用いて新たな相互作用を識別する。 異なる機械学習モデルを使用して、これらのケースで使用される典型的なルールエンジンを強化する。 したがって、提案システムを用いて、医療システム内での第一線である薬局コミュニティは、より良い、より正確な治療決定を行い、起こりうる有害事象を軽減することができる。

関連論文リスト

• DrugAgent: Explainable Drug Repurposing Agent with Large Language Model-based Reasoning [10.528489471229946]
  本稿では,最先端の機械学習技術と知識統合を用いた医薬品再調達プロセスを強化するためのマルチエージェントフレームワークを提案する。 AIエージェントは、DTIモデルを訓練し、知識グラフエージェントはDGIdbを使用してDTIを系統的に抽出する。 これらのエージェントからの出力を統合することで、外部データベースを含む多様なデータソースを効果的に活用し、実行可能な再資源化候補を提案する。
  論文  参考訳（メタデータ） (2024-08-23T21:24:59Z)
• 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)
• ABiMed: An intelligent and visual clinical decision support system for medication reviews and polypharmacy management [3.843569766201585]
  ABiMedの目的は、医薬品レビューと多薬局管理のための革新的な臨床決定支援システムを設計することである。 ABiMedは、ガイドラインの実装と、GPの電子健康記録から患者データを自動抽出し、薬剤師に転送すること、および視覚分析を用いてコンテキスト化された薬物知識を視覚的に提示すること、の2つのアプローチを関連付けている。
  論文  参考訳（メタデータ） (2023-12-13T11:06:45Z)
• Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural Network with Biomedical Network [69.16939798838159]
  本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。 EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。 全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
  論文  参考訳（メタデータ） (2023-11-15T06:34:00Z)
• Clinical Decision Support System for Unani Medicine Practitioners [0.0]
  提案システムは,患者の症状を入力するためのWebベースのインターフェースを提供する。 このシステムにより、患者は最も可能性の高い疾患を選択し、関連する治療法を遠隔で患者に知らせることができる。
  論文  参考訳（メタデータ） (2023-10-24T13:49:18Z)
• Decision Support System for Chronic Diseases Based on Drug-Drug Interactions [67.9840225237587]
  本稿では,医師の意思決定を支援するための薬物と薬物の相互作用に基づくDSSDDIと呼ばれる意思決定支援システムを提案する。 DDIモジュールは、薬物と薬物の相互作用からより安全で効果的な薬物表現を学習する。 MDモジュールは、患者と薬物の表現を文脈として、DDIと患者の類似性を治療として、薬物の使用を結果として考える。
  論文  参考訳（メタデータ） (2023-03-04T12:44:38Z)
• AMFPMC -- An improved method of detecting multiple types of drug-drug interactions using only known drug-drug interactions [18.027128141189355]
  逆薬の相互作用は、主に医療事故の予防可能な原因である。 実験室での薬物相互作用の検出は、薬物が医療行為に使用される前に必要不可欠である。 機械学習技術は、薬物と薬物の相互作用を予測する効率的で正確な手段を提供することができる。
  論文  参考訳（メタデータ） (2023-02-07T09:57:54Z)
• RECOMED: A Comprehensive Pharmaceutical Recommendation System [8.681590862953623]
  Drugs.com と Druglib.com から抽出された患者と薬物の特徴に基づいて医薬品推薦システムが設計された。 本研究は, 患者に適切な特定の薬剤を選択するためのアプローチとして, 患者状況と病歴を考察した最初のグループである。
  論文  参考訳（メタデータ） (2022-12-31T20:04:31Z)
• 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)
• 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)
• 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)

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。