Fugu-MT 論文翻訳(概要): KindMed: Knowledge-Induced Medicine Prescribing Network for Medication Recommendation

論文の概要: KindMed: Knowledge-Induced Medicine Prescribing Network for Medication Recommendation

arxiv url: http://arxiv.org/abs/2310.14552v1
Date: Mon, 23 Oct 2023 04:15:39 GMT
ステータス: 処理完了
システム内更新日: 2023-10-24 22:41:29.851085
Title: KindMed: Knowledge-Induced Medicine Prescribing Network for Medication Recommendation
Title（参考訳）: kindmed: 薬の推奨のための知識誘導薬処方ネットワーク
Authors: Ahmad Wisnu Mulyadi, Heung-Il Suk
Abstract要約: 本稿では,医薬品を推奨する知識誘導型医薬品処方ネットワーク(KindMed)フレームワークを提案する。我々は階層的シーケンス学習を利用して臨床・医学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奨励する。安全で正確でパーソナライズされた医療を予測するために、我々は、3つの重要な側面を考慮し、関連付ける注意深い処方を考案する。
参考スコア（独自算出の注目度）: 11.331292553789586
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Extensive adoption of electronic health records (EHRs) offers opportunities for its use in various clinical analyses. We could acquire more comprehensive insights by enriching an EHR cohort with external knowledge (e.g., standardized medical ontology and wealthy semantics curated on the web) as it divulges a spectrum of informative relations between observed medical codes. This paper proposes a novel Knowledge-Induced Medicine Prescribing Network (KindMed) framework to recommend medicines by inducing knowledge from myriad medical-related external sources upon the EHR cohort, rendering them as medical knowledge graphs (KGs). On top of relation-aware graph representation learning to unravel an adequate embedding of such KGs, we leverage hierarchical sequence learning to discover and fuse clinical and medicine temporal dynamics across patients' historical admissions for encouraging personalized recommendations. In predicting safe, precise, and personalized medicines, we devise an attentive prescribing that accounts for and associates three essential aspects, i.e., a summary of joint historical medical records, clinical condition progression, and the current clinical state of patients. We exhibited the effectiveness of our KindMed on the augmented real-world EHR cohorts, etching leading performances against graph-driven competing baselines.
Abstract（参考訳）: 電子健康記録(EHR)の広範囲な採用は、様々な臨床分析においてその利用の機会を提供する。我々は、EHRコホートを外部知識(例えば、標準化された医学オントロジーとWeb上でキュレーションされた豊かな意味論)に豊かにすることにより、より包括的な洞察を得ることができる。本稿では,EHRコホート上に無数の医療関連外部ソースから知識を誘導し,医療知識グラフ(KG)として表現することで,医療を推奨する新しい知識誘導医療処方ネットワーク(KindMed)フレームワークを提案する。このようなkgsを適切に組み込むための関係認識グラフ表現学習に加えて,階層的シーケンス学習を応用し,患者の過去の入院状況における臨床・医学的時間動態の検出と融合を行い,パーソナライズドレコメンデーションを奨励する。安全で正確でパーソナライズされた医薬の予測において、我々は、患者の3つの重要な側面、すなわち、ジョイント・ヒストリー・メディカル・レコードの要約、臨床状態の進展、そして現在の臨床状態について説明し、関連付ける注意深い処方を考案する。グラフ駆動の競合するベースラインに対する主要なパフォーマンスをエッチングし,実世界のEHRコホートに対するKindMedの有効性を示した。

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)
MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
論文参考訳（メタデータ） (2024-03-11T10:57:45Z)
Next Visit Diagnosis Prediction via Medical Code-Centric Multimodal Contrastive EHR Modelling with Hierarchical Regularisation [0.0]
NECHOは,階層的正規化を伴う新しい医用コード中心のマルチモーダル・コントラスト学習フレームワークである。まず, 医用コード, 人口統計, 臨床ノートを含む多面的情報をネットワーク設計を用いて統合する。また,EHRデータの階層構造を学習するために,医療オントロジーにおける親レベル情報を用いてモダリティ固有のエンコーダを正規化する。
論文参考訳（メタデータ） (2024-01-22T01:58:32Z)
Zero-Shot Medical Information Retrieval via Knowledge Graph Embedding [27.14794371879541]
本稿では、ゼロショット医療情報検索(MIR)の新しいアプローチであるMedFusionRankを紹介する。提案手法は、学習済みのBERTスタイルのモデルを用いて、コンパクトだが情報的なキーワードを抽出する。これらのキーワードは、医療知識グラフ内の概念エンティティにリンクすることで、ドメイン知識に富む。
論文参考訳（メタデータ） (2023-10-31T16:26:33Z)
DKINet: Medication Recommendation via Domain Knowledge Informed Deep Learning [12.609882335746859]
医療勧告は、医療の根本的かつ重要な分野である。これまでの研究は主に電子健康記録から患者の表現を学ぶことに焦点を当ててきた。本稿では,複雑な臨床症状とドメイン知識の効果的な統合に対処する知識注入モジュールを提案する。
論文参考訳（メタデータ） (2023-05-31T07:22:15Z)
Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
本稿では,Re$3$Writer法を提案する。本手法が患者の退院指示生成に有効であることを示す。
論文参考訳（メタデータ） (2022-10-23T16:34:39Z)
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)
Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文参考訳（メタデータ） (2021-12-19T01:45:57Z)
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)
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)

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。