論文の概要: A Cross Attention Approach to Diagnostic Explainability using Clinical Practice Guidelines for Depression

• arxiv url: http://arxiv.org/abs/2311.13852v4
• Date: Fri, 18 Oct 2024 13:21:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 18:13:48.566452
• Title: A Cross Attention Approach to Diagnostic Explainability using Clinical Practice Guidelines for Depression
• Title（参考訳）: うつ病診療ガイドラインを用いた診断説明可能性へのクロスアテンションアプローチ
• Authors: Sumit Dalal, Deepa Tilwani, Kaushik Roy, Manas Gaur, Sarika Jain, Valerie Shalin, Amit Sheth,
• Abstract要約: そこで我々は,一般的なトランスフォーマーモデルにおける注目度を高め,臨床医が理解可能な分類説明を生成する手法を開発した。 臨床医が患者と対話する際の専門知識をどのように頼っているかに触発され、関連する臨床知識を活用して患者の入力をモデル化する。 うつ病の診断に臨床実習ガイドライン(CPG)を用いてメンタルヘルス(MH)の文脈でこのようなシステムを開発する。
• 参考スコア（独自算出の注目度）: 13.000907040545583
• License:
• Abstract: The lack of explainability using relevant clinical knowledge hinders the adoption of Artificial Intelligence-powered analysis of unstructured clinical dialogue. A wealth of relevant, untapped Mental Health (MH) data is available in online communities, providing the opportunity to address the explainability problem with substantial potential impact as a screening tool for both online and offline applications. We develop a method to enhance attention in popular transformer models and generate clinician-understandable explanations for classification by incorporating external clinical knowledge. Inspired by how clinicians rely on their expertise when interacting with patients, we leverage relevant clinical knowledge to model patient inputs, providing meaningful explanations for classification. This will save manual review time and engender trust. We develop such a system in the context of MH using clinical practice guidelines (CPG) for diagnosing depression, a mental health disorder of global concern. We propose an application-specific language model called ProcesS knowledge-infused cross ATtention (PSAT), which incorporates CPGs when computing attention. Through rigorous evaluation on three expert-curated datasets related to depression, we demonstrate application-relevant explainability of PSAT. PSAT also surpasses the performance of nine baseline models and can provide explanations where other baselines fall short. We transform a CPG resource focused on depression, such as the Patient Health Questionnaire (e.g. PHQ-9) and related questions, into a machine-readable ontology using SNOMED-CT. With this resource, PSAT enhances the ability of models like GPT-3.5 to generate application-relevant explanations.
• Abstract（参考訳）: 関連する臨床知識を用いた説明可能性の欠如は、非構造化臨床対話の人工知能による分析の導入を妨げる。 MH(Mental Health)に関する豊富なデータがオンラインコミュニティで利用可能であり、オンラインとオフラインの両方のアプリケーションのスクリーニングツールとして、潜在的な影響で説明可能性の問題に対処する機会を提供する。 そこで我々は,一般的なトランスフォーマーモデルにおける注目度を高める手法を開発し,外部臨床知識を取り入れて,分類のための臨床医が理解可能な説明を生成する。 臨床医が患者と対話する際の専門知識をどのように頼っているかに触発されて、関連する臨床知識を活用して患者の入力をモデル化し、分類に意味のある説明を提供する。 これにより、手作業によるレビューの時間を節約し、信頼を深めることができます。 我々は,世界的関心事の精神保健障害であるうつ病の診断に臨床実習ガイドライン(CPG)を用いて,MHの文脈でこのようなシステムを開発する。 本稿では,PSAT(ProcesS knowledge-infused cross Attention)と呼ばれるアプリケーション固有の言語モデルを提案する。 うつ病に関連する3つの専門家計算データセットの厳密な評価を通じて, PSATの応用関連説明可能性を示す。 PSATは9つのベースラインモデルのパフォーマンスを上回り、他のベースラインが不足している説明を提供することができる。 我々は,患者健康アンケート(例えばPHQ-9)などの抑うつに焦点を当てたCPGリソースを,SNOMED-CTを用いた機械可読性オントロジーに変換する。 このリソースにより、PSATはGPT-3.5のようなモデルでアプリケーション関連の説明を生成する能力を高める。

関連論文リスト

• CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
  認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。 我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。 実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
  論文  参考訳（メタデータ） (2024-10-17T04:52:57Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
  我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。 うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。 GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
  論文  参考訳（メタデータ） (2023-11-21T23:53:27Z)
• ProKnow: Process Knowledge for Safety Constrained and Explainable Question Generation for Mental Health Diagnostic Assistance [11.716131800914445]
  現在の仮想メンタルヘルスアシスタント(VMHA)はカウンセリングと推奨ケアを提供している。 彼らは、安全に制約された専門的な臨床プロセス知識の訓練が欠如しているため、患者の診断支援を控える。 我々はProknowを、エビデンスベースのガイドラインやドメインの専門家に対する概念的理解のカテゴリにマップする、順序付けられた情報の集合として定義する。 患者からの診断情報を対話的に収集する自然言語質問生成法(NLG)を開発した。
  論文  参考訳（メタデータ） (2023-05-13T21:31:02Z)
• Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
  本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。 我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。 本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
  論文  参考訳（メタデータ） (2023-02-11T18:07:11Z)
• Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
  眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。 大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-06-04T13:16:30Z)
• VBridge: Connecting the Dots Between Features, Explanations, and Data for Healthcare Models [85.4333256782337]
  VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。 我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。 症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
  論文  参考訳（メタデータ） (2021-08-04T17:34:13Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Natural Language Processing to Detect Cognitive Concerns in Electronic Health Records Using Deep Learning [0.970914263240787]
  認知症はコミュニティでは認識が低く、医療専門家では診断が低く、クレームデータではコード化されていない。 認知機能障害に関する情報は、医療記録の未構造化の診療ノートにしばしば見られるが、専門家による手作業によるレビューは時間がかかり、しばしばエラーを起こしやすい。 電子カルテにおける認知的関心を持つ患者を識別するために,自然言語処理アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2020-11-12T16:59:56Z)
• Representation learning for improved interpretability and classification accuracy of clinical factors from EEG [7.323779456638996]
  脳波に基づく神経測定は、うつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能する。 これまでの研究では、脳波に基づく神経計測がうつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能することを示した。 しかし,その臨床的有用性は,1)脳波データに関連する固有ノイズに対処する自動化方法の欠如,2)脳波信号のどの側面が臨床疾患のマーカーであるかの知識の欠如など,完全には実現されていない。
  論文  参考訳（メタデータ） (2020-10-28T23:21:36Z)

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。