論文の概要: Enhancing Antibiotic Stewardship using a Natural Language Approach for Better Feature Representation

• arxiv url: http://arxiv.org/abs/2405.20419v1
• Date: Thu, 30 May 2024 18:53:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-03 18:24:43.308102
• Title: Enhancing Antibiotic Stewardship using a Natural Language Approach for Better Feature Representation
• Title（参考訳）: 優れた特徴表現のための自然言語アプローチによる抗生物質処理の強化
• Authors: Simon A. Lee, Trevor Brokowski, Jeffrey N. Chiang,
• Abstract要約: 抗生物質耐性菌の急速な出現は、世界的な医療危機として認識されている。 本研究は, 抗生物質スチュワードシップ改善のための臨床意思決定支援システムの利用について検討する。 EHRシステムは、データの効率的な合成と利用を複雑にし、多くのデータレベルの課題を提示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid emergence of antibiotic-resistant bacteria is recognized as a global healthcare crisis, undermining the efficacy of life-saving antibiotics. This crisis is driven by the improper and overuse of antibiotics, which escalates bacterial resistance. In response, this study explores the use of clinical decision support systems, enhanced through the integration of electronic health records (EHRs), to improve antibiotic stewardship. However, EHR systems present numerous data-level challenges, complicating the effective synthesis and utilization of data. In this work, we transform EHR data into a serialized textual representation and employ pretrained foundation models to demonstrate how this enhanced feature representation can aid in antibiotic susceptibility predictions. Our results suggest that this text representation, combined with foundation models, provides a valuable tool to increase interpretability and support antibiotic stewardship efforts.
• Abstract（参考訳）: 抗生物質耐性菌の急速な出現は、世界的な医療危機として認識され、生命維持抗生物質の有効性を損なう。 この危機は、細菌の抵抗をエスカレートする抗生物質の不適切な使用と過剰使用によって引き起こされる。 本研究は,EHR(Electronic Health Records)の統合により強化された臨床意思決定支援システムを用いて,抗生物質のスチュワードシップを改善することを目的とした。 しかし、EHRシステムはデータの効率的な合成と利用を複雑にし、多くのデータレベルの課題を提示している。 本研究では,ERHデータをシリアライズされたテキスト表現に変換し,この拡張された特徴表現が抗生物質感受性予測にどのように役立つかを実証するために,事前訓練された基礎モデルを用いる。 以上の結果から,本テキスト表現と基礎モデルが組み合わさって,解釈可能性を高め,抗生物質のスチュワードシップ活動を支援する貴重なツールであることが示唆された。

関連論文リスト

• Advancing Real-time Pandemic Forecasting Using Large Language Models: A COVID-19 Case Study [39.70947911556511]
  既存の予測モデルは、関連するデータと堅牢な結果翻訳の多面的な性質に苦慮している。 本研究は、テキスト推論問題として、リアルタイムに拡散する疾患の予測を再構築する新しいフレームワークであるPandemicLLMを紹介する。 このモデルは新型コロナウイルス(COVID-19)のパンデミックに適用され、テキストによる公衆衛生政策、ゲノム監視、空間および疫学的時系列データを活用するように訓練されている。
  論文  参考訳（メタデータ） (2024-04-10T12:22:03Z)
• A graph neural network-based model with Out-of-Distribution Robustness for enhancing Antiretroviral Therapy Outcome Prediction for HIV-1 [5.111166539327379]
  本稿では,完全連結ニューラルネットワークとグラフニューラルネットワークの機能を組み合わせた新しいジョイントフュージョンモデルを提案する。 テストセットにおけるアウト・オブ・ディストリビューション・ドラッグに対するこれらのモデルの堅牢性を評価する。
  論文  参考訳（メタデータ） (2023-12-29T08:02:13Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Spatial-Temporal Networks for Antibiogram Pattern Prediction [30.552245946539994]
  抗生剤は、臨床医が地域抵抗率を理解し、処方薬で適切な抗生物質を選択するのに役立つ。 実際には、抗生物質耐性の顕著な組み合わせは、異なるアンチバイオグラムに現れ、アンチバイオグラムパターンを形成する。 本稿では,今後どのようなパターンが現れるかを予測することを目的とした,新しいアンチバイオグラムパターン予測法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T20:01:48Z)
• Graph-Based Active Machine Learning Method for Diverse and Novel Antimicrobial Peptides Generation and Selection [57.131117785001194]
  新しいAMP候補の大規模スクリーニングは高価で、時間もかかり、発展途上国では手頃な価格となっている。 本稿では,新しいAMPの設計に必要なウェットラブ実験の数を統計的に最小化する,アクティブ機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-18T14:30:48Z)
• Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
  医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。 様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
  論文  参考訳（メタデータ） (2022-05-19T17:34:18Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• 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)
• Predicting Antimicrobial Resistance in the Intensive Care Unit [5.129856875153228]
  本研究は,臨床および微生物学的予測器を用いたAMRの予測モデルを開発する。 培養前の抵抗を正確に予測できる能力は、臨床的な意思決定を知らせ、行動までの時間を短縮する可能性がある。
  論文  参考訳（メタデータ） (2021-11-05T15:50:34Z)
• The Past, Present, and Future of COVID-19: A Data-Driven Perspective [4.373183416616983]
  新型コロナウイルスの重要な意思決定支援システムとして,Webベースの統合リアルタイム運用ダッシュボードの開発と展開について報告する。 パンデミックの今後の結果を予測するため,各種認証情報から得られるデータをもとにデータ駆動分析を行った。 また,パンデミックの拡大と社会・経済・環境要因との関係についても検討した。
  論文  参考訳（メタデータ） (2020-08-12T19:03:57Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

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。