論文の概要: From research to clinic: Accelerating the translation of clinical decision support systems by making synthetic data interoperable

• arxiv url: http://arxiv.org/abs/2308.02613v2
• Date: Fri, 08 Aug 2025 08:07:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:05.818229
• Title: From research to clinic: Accelerating the translation of clinical decision support systems by making synthetic data interoperable
• Title（参考訳）: 研究からクリニックへ:合成データを相互運用可能にして臨床意思決定支援システムの翻訳を加速する
• Authors: Pavitra Chauhan, Mohsen Gamal Saad Askar, Kristian Svendsen, Bjørn Fjukstad, Brita Elvevåg, Lars Ailo Bongo, Edvard Pedersen,
• Abstract要約: 我々は,CDSSツールの開発とテストがより容易になるよう,EHRシステムで合成データを使用するアーキテクチャを提案する。 ノルウェーの患者登録所のデータを用いて、機械学習ベースのCDSSツールの動作実証を開発した。
• 参考スコア（独自算出の注目度）: 0.06282171844772422
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The translation of clinical decision support system (CDSS) tools from research settings into the clinic is often non-existent, partly because the focus tends to be on training machine learning models rather than tool development using the model for inference. To develop a CDSS tool that can be deployed in the clinical workflow, there is a need to integrate, validate, and test the tool on the Electronic Health Record (EHR) systems that store and manage patient data. Not surprisingly, it is rarely possible for researchers to get the necessary access to an EHR system due to legal restrictions pertaining to the protection of data privacy in patient records. We propose an architecture for using synthetic data in EHR systems to make CDSS tool development and testing much easier. In this study, the architecture is implemented in the SyntHIR system. SyntHIR has three noteworthy architectural features enabling (i) integration with synthetic data generators, (ii) data interoperability, and (iii) tool transportability. The translational value of this approach was evaluated through two primary steps. First, a working proof-of-concept of a machine learning-based CDSS tool was developed using data from patient registries in Norway. Second, the transportability of this CDSS tool was demonstrated by successfully deploying it in Norway's largest EHR system vendor (DIPS). These findings showcase the value of the SyntHIR architecture as a useful reference model to accelerate the translation of "bench to bedside" research of CDSS tools.
• Abstract（参考訳）: 臨床診断支援システム(CDSS)ツールを臨床施設から臨床施設に翻訳することは、推論に使用するツール開発ではなく、機械学習モデルの訓練に重点を置いているため、しばしば存在しない。 臨床ワークフローにデプロイ可能なCDSSツールを開発するには、患者データを格納、管理するElectronic Health Record(EHR)システム上で、ツールの統合、検証、テストが必要である。 当然のことながら、患者記録におけるデータのプライバシー保護に関する法的制約のため、研究者がEHRシステムにアクセスすることはめったにない。 我々は,CDSSツールの開発とテストがより容易になるよう,EHRシステムで合成データを使用するアーキテクチャを提案する。 本研究では,このアーキテクチャをSyntHIRシステムに実装する。 SyntHIRには3つの注目すべきアーキテクチャ機能がある (i)合成データジェネレータとの統合 (ii)データインターオペラビリティ、そして (三)工具の輸送性 このアプローチの翻訳価値は2つの主要なステップで評価された。 まず,ノルウェーの登録患者のデータを用いて,機械学習ベースのCDSSツールの概念実証を行った。 第二に、このCDSSツールのトランスポート性は、ノルウェー最大のEHRシステムベンダー(DIPS)にうまくデプロイすることで実証された。 これらの結果から,CDSSツールの「ベンチからベッドサイドへの」研究の翻訳を促進するための参考モデルとして,SyntHIRアーキテクチャの価値が示された。

関連論文リスト

• Democratizing Tabular Data Access with an Open$\unicode{x2013}$Source Synthetic$\unicode{x2013}$Data SDK [0.4874819476581695]
  本稿では,高品質なデータを合成するためのオープンソースツールキットMOSTLY AI Synthetic Data Software Development Kit(SDK)を提案する。 SDKは、差分プライバシー保証、公正性を認識したデータ生成、自動品質保証などの堅牢な機能を、フレキシブルでアクセシブルなPythonインターフェースに統合する。 SDKは急速に採用され、現実世界のデータボトルネックに対処し、広範なデータの民主化を促進する実用性を強調している。
  論文  参考訳（メタデータ） (2025-08-01T15:36:59Z)
• Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes [37.88754205269813]
  本稿では,LLMエージェント,コード実行,医療用語データベースツールを活用したエンドツーエンドフレームワークを提案する。 我々のソリューションであるInfhernoは、FHIRドキュメントスキーマに準拠するように設計されており、構造化されていないテキストからFHIRリソースを予測するための人間のベースラインとよく競合する。
  論文  参考訳（メタデータ） (2025-07-16T14:06:51Z)
• Enhancing Clinical Decision Support and EHR Insights through LLMs and the Model Context Protocol: An Open-Source MCP-FHIR Framework [0.9246281666115259]
  本稿では,Large Language Models (LLM) と HL7 FHIR データをモデルコンテキストプロトコル (MCP) を介して統合するオープンソースフレームワークを提案する。 提案手法は、スケーラブルで説明可能な、相互運用可能なAIベースのEHRアプリケーションを提供する。
  論文  参考訳（メタデータ） (2025-06-13T04:07:19Z)
• Procedural Environment Generation for Tool-Use Agents [55.417058694785325]
  我々はRandomWorldを紹介した。これは対話型ツールと合成ツール利用データの手続き的生成のためのパイプラインである。 我々は,SFTとRLによるRandomWorldの合成データによるモデル調整により,様々なツール使用ベンチマークが改良されたことを示す。
  論文  参考訳（メタデータ） (2025-05-21T14:10:06Z)
• OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
  グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。 事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。 我々は,OS-Genesisを用いたGUIエージェントのトレーニングにより,高度に挑戦するオンラインベンチマークの性能が大幅に向上することが実証された。
  論文  参考訳（メタデータ） (2024-12-27T16:21:58Z)
• Synthetic Data Generation with Large Language Models for Personalized Community Question Answering [47.300506002171275]
  既存のデータセットであるSE-PQAに基づいてSy-SE-PQAを構築します。 以上の結果から,LCMはユーザのニーズに合わせてデータを生成する可能性が高いことが示唆された。 合成データは、たとえ生成されたデータが誤った情報を含むとしても、人書きのトレーニングデータを置き換えることができる。
  論文  参考訳（メタデータ） (2024-10-29T16:19:08Z)
• NFDI4Health workflow and service for synthetic data generation, assessment and risk management [0.0]
  この課題に対する有望な解決策は、合成データ生成である。 この手法は、実際のデータの統計特性を模倣する全く新しいデータセットを作成する。 本稿では,ドイツのNFDI4Healthプロジェクト(NFDI4Health)の文脈で開発されたワークフローとサービスについて述べる。
  論文  参考訳（メタデータ） (2024-08-08T14:08:39Z)
• Robust Neural Information Retrieval: An Adversarial and Out-of-distribution Perspective [111.58315434849047]
  ニューラルネットワーク検索モデル(IR)モデルの堅牢性は、大きな注目を集めている。 我々は、IRの堅牢性を多面的概念とみなし、敵攻撃、アウト・オブ・ディストリビューション(OOD)シナリオ、パフォーマンスのばらつきに対してその必要性を強調している。 我々は,既存の手法,データセット,評価指標について詳細な議論を行い,大規模言語モデルの時代における課題や今後の方向性に光を当てる。
  論文  参考訳（メタデータ） (2024-07-09T16:07:01Z)
• Fairness-Optimized Synthetic EHR Generation for Arbitrary Downstream Predictive Tasks [2.089191490381739]
  本稿では,実EHRデータと整合した合成EHRデータを生成するパイプラインを提案する。 下流タスクと2つの異なるEHRデータセットにまたがるパイプラインの有効性を実証する。 提案したパイプラインは、ヘルスAIアプリケーションの公正性に対処する既存のツールボックスに、広く適用可能な補完ツールを追加することができる。
  論文  参考訳（メタデータ） (2024-06-04T17:29:21Z)
• Skip the Benchmark: Generating System-Level High-Level Synthesis Data using Generative Machine Learning [8.416553728391309]
  高レベル合成(HLS)設計空間探索(DSE)は、HLSプロセスにおいて最適なハードウェアソリューションを探索するための広く受け入れられているアプローチである。 いくつかのHLSベンチマークとデータセットは、研究コミュニティが彼らの方法論を評価するために利用できる。 本稿では,複雑なシステムレベルのHLS DSE実験を支援するのに十分頑健な合成データを生成するために,生成機械学習を用いた新しいアプローチであるVaeganを提案する。
  論文  参考訳（メタデータ） (2024-04-23T05:32:22Z)
• HAPI-FHIR Server Implementation to Enhancing Interoperability among Primary Care Health Information Systems in Sri Lanka: Review of the Technical Use Case [0.0]
  このレビューは、デジタルヘルスにおける相互運用性の重要な役割を強調し、標準化されたフレームワークを提唱する。 技術的、セマンティック、プロセスの問題に対処するFHIR(Fast Healthcare Resources)サーバの実装に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-05T09:48:46Z)
• EASRec: Elastic Architecture Search for Efficient Long-term Sequential Recommender Systems [82.76483989905961]
  現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。 我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。 EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
  論文  参考訳（メタデータ） (2024-02-01T07:22:52Z)
• TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
  時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。 本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:11:21Z)
• Synthcity: facilitating innovative use cases of synthetic data in different data modalities [86.52703093858631]
  Synthcityは、MLフェアネス、プライバシ、拡張における合成データの革新的なユースケースのための、オープンソースのソフトウェアパッケージである。 Synthcityは、実践者に対して、合成データにおける最先端の研究とツールへの単一のアクセスポイントを提供する。
  論文  参考訳（メタデータ） (2023-01-18T14:49:54Z)
• Sionna: An Open-Source Library for Next-Generation Physical Layer Research [64.77840557164266]
  Sionnaは、レイカーネルに基づいたリンクレベルシミュレーションのためのGPUアクセラレーションされたオープンソースライブラリである。 Sionnaは、ベンチマークやエンドツーエンドのパフォーマンス評価に使用できる、注意深くテストされた最先端のアルゴリズムを幅広く実装している。
  論文  参考訳（メタデータ） (2022-03-22T16:31:44Z)
• Serverless on FHIR: Deploying machine learning models for healthcare on the cloud [3.383942690870476]
  デジタルヘルスのためのクラウドベースのモデルデプロイメントのための機能的分類法と4層アーキテクチャを導入する。 このアーキテクチャをServerless on FHIRと呼び、EMRや可視化ツールといった下流システムで使用可能なデジタルヘルスアプリケーションをデプロイするための標準として提案します。
  論文  参考訳（メタデータ） (2020-06-08T16:57:30Z)

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。