論文の概要: VITA: 'Carefully Chosen and Weighted Less' Is Better in Medication Recommendation

• arxiv url: http://arxiv.org/abs/2312.12100v1
• Date: Tue, 19 Dec 2023 12:22:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 15:36:43.089163
• Title: VITA: 'Carefully Chosen and Weighted Less' Is Better in Medication Recommendation
• Title（参考訳）: VITA:「重みと体重が減る」は医薬勧告より優れている
• Authors: Taeri Kim, Jiho Heo, Hongil Kim, Kijung Shin, Sang-Wook Kim
• Abstract要約: 当科では,現在来院中の患者に有効な薬剤を推奨する薬剤推奨問題に対処する。 本稿では、以下の2つの新しいアイデアに基づいて、VITAという新しい薬剤推奨フレームワークを提案する。 我々は、VITAの優位性(特に、ジャカードに関して最大5.56%の精度)と、2つの中核的概念の有効性を実証する。
• 参考スコア（独自算出の注目度）: 32.63247107161107
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We address the medication recommendation problem, which aims to recommend effective medications for a patient's current visit by utilizing information (e.g., diagnoses and procedures) given at the patient's current and past visits. While there exist a number of recommender systems designed for this problem, we point out that they are challenged in accurately capturing the relation (spec., the degree of relevance) between the current and each of the past visits for the patient when obtaining her current health status, which is the basis for recommending medications. To address this limitation, we propose a novel medication recommendation framework, named VITA, based on the following two novel ideas: (1) relevant-Visit selectIon; (2) Target-aware Attention. Through extensive experiments using real-world datasets, we demonstrate the superiority of VITA (spec., up to 5.56% higher accuracy, in terms of Jaccard, than the best competitor) and the effectiveness of its two core ideas. The code is available at https://github.com/jhheo0123/VITA.
• Abstract（参考訳）: 本稿では,患者の現在および過去の来院時の情報(診断・処置など)を活用することで,患者の現在訪問に有効な薬剤を推奨する薬剤推奨問題に対処する。 この問題を解決するために設計された推薦システムにはいくつか存在するが、現在の健康状態を得る際に、患者に対する現在と過去の訪問の各々との関係(種別、関連性の程度)を正確に把握することが課題であり、これは医薬品の推奨の基礎である。 この制限に対処するために,(1)関連視覚選択,(2)ターゲット認識注意という2つの新しい考え方に基づいて,VITAという新しい薬剤推奨フレームワークを提案する。 実世界のデータセットを用いた広範な実験を通じて、VITAの優位性(特に、ジャカードの点で最大5.56%の精度)と、2つの中核的概念の有効性を実証する。 コードはhttps://github.com/jhheo0123/VITAで公開されている。

関連論文リスト

• 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)
• Extreme Multilabel Classification for Specialist Doctor Recommendation with Implicit Feedback and Limited Patient Metadata [1.4499463058550681]
  レコメンデーションシステム(Recommendation Systems, RS)は、医師紹介の問題に対処するためにしばしば用いられる。 本研究は, 診療紹介に焦点をあて, 新来の患者と相談歴のある患者の両方に対して, 医師の専門職における推薦を予測することを目的としている。 テキストベースの分類タスクで一般的に使用されるExtreme Multilabel Classification (XML)を使用して、利用可能な機能をエンコードし、異なるシナリオを探索します。
  論文  参考訳（メタデータ） (2023-08-21T20:23:23Z)
• 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)
• 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)
• 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)
• Do recommender systems function in the health domain: a system review [2.356961266962294]
  我々は、関心、方法、評価、今後の課題、トレンド問題を含む健康推奨システムの側面をレビューする。 1) 健康レコメンデーションシステムには、食事レコメンデーションのような、より控えめなレコメンデーションに焦点を合わせるための、独自の健康上の問題がある。 このレビューは、ドメイン研究者の助けとなり、ヘルスレコメンデーションシステムの次のステップに進むだろうと考えられている。
  論文  参考訳（メタデータ） (2020-07-26T04:58:47Z)

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。