論文の概要: Automatic Differential Diagnosis using Transformer-Based Multi-Label Sequence Classification

• arxiv url: http://arxiv.org/abs/2408.15827v1
• Date: Wed, 28 Aug 2024 14:40:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-29 15:40:56.158026
• Title: Automatic Differential Diagnosis using Transformer-Based Multi-Label Sequence Classification
• Title（参考訳）: Transformer-based Multi-Label Sequence Classification を用いた自動微分診断
• Authors: Abu Adnan Sadi, Mohammad Ashrafuzzaman Khan, Lubaba Binte Saber,
• Abstract要約: 本稿では,患者の年齢,性別,医療歴,症状に基づく鑑別診断のためのトランスフォーマーベースのアプローチを提案する。 DDXPlus データセットを用いて,49 種類の疾患を鑑別し,鑑別診断情報を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the field of artificial intelligence progresses, assistive technologies are becoming more widely used across all industries. The healthcare industry is no different, with numerous studies being done to develop assistive tools for healthcare professionals. Automatic diagnostic systems are one such beneficial tool that can assist with a variety of tasks, including collecting patient information, analyzing test results, and diagnosing patients. However, the idea of developing systems that can provide a differential diagnosis has been largely overlooked in most of these research studies. In this study, we propose a transformer-based approach for providing differential diagnoses based on a patient's age, sex, medical history, and symptoms. We use the DDXPlus dataset, which provides differential diagnosis information for patients based on 49 disease types. Firstly, we propose a method to process the tabular patient data from the dataset and engineer them into patient reports to make them suitable for our research. In addition, we introduce two data modification modules to diversify the training data and consequently improve the robustness of the models. We approach the task as a multi-label classification problem and conduct extensive experiments using four transformer models. All the models displayed promising results by achieving over 97% F1 score on the held-out test set. Moreover, we design additional behavioral tests to get a broader understanding of the models. In particular, for one of our test cases, we prepared a custom test set of 100 samples with the assistance of a doctor. The results on the custom set showed that our proposed data modification modules improved the model's generalization capabilities. We hope our findings will provide future researchers with valuable insights and inspire them to develop reliable systems for automatic differential diagnosis.
• Abstract（参考訳）: 人工知能の分野が進むにつれて、補助技術はあらゆる産業で広く使われている。 医療業界は、医療専門家のための補助ツールを開発するために多くの研究がなされている。 自動診断システムは、患者の情報収集、検査結果の分析、患者の診断など、さまざまなタスクを支援できる便利なツールのひとつです。 しかしながら、鑑別診断を提供するシステムを開発するという考え方は、これらの研究のほとんどでほとんど見過ごされている。 本研究では,患者の年齢,性別,医療歴,症状に基づく鑑別診断のためのトランスフォーマーに基づくアプローチを提案する。 DDXPlus データセットを用いて,49 種類の疾患を鑑別し,鑑別診断情報を提供する。 まず, 患者データをデータセットから処理し, 患者レポートにまとめて, 研究に適合させる手法を提案する。 さらに、2つのデータ修正モジュールを導入し、トレーニングデータを多様化し、結果としてモデルの堅牢性を向上させる。 タスクを多ラベル分類問題としてアプローチし、4つの変圧器モデルを用いて広範な実験を行う。 すべてのモデルが期待できる結果を示し、ホールドアウトテストセットで97%のF1スコアを達成した。 さらに、モデルのより広範な理解を得るために、追加の行動テストも設計する。 特に,検査例の1つについて,医師の助けを借りて,100サンプルのカスタムテストセットを用意した。 その結果,提案したデータ修正モジュールはモデルの一般化機能を改善した。 我々は、将来の研究者に貴重な洞察を与え、自動微分診断のための信頼性の高いシステムを開発するよう促すことを願っている。

関連論文リスト

• Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
  本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。 実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
  論文  参考訳（メタデータ） (2024-04-04T06:16:35Z)
• A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
  本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。 統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
  論文  参考訳（メタデータ） (2023-06-01T16:23:47Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• DDXPlus: A new Dataset for Medical Automatic Diagnosis [2.7126836481535213]
  本研究は, 患者ごとの鑑別診断, 基礎的真理病理学を含む大規模合成データセットを提案する。 概念実証として,既存のADおよびASDシステムを拡張し,鑑別診断を取り入れた。 我々は,これらのシステムにおいて,差分を訓練信号に用いて差分を予測することが不可欠であることを示す経験的証拠を提供する。
  論文  参考訳（メタデータ） (2022-05-18T18:03:39Z)
• "My nose is running.""Are you also coughing?": Building A Medical Diagnosis Agent with Interpretable Inquiry Logics [80.55587329326046]
  本稿では,DSMDの対話マネージャを実装するための,より解釈可能な意思決定プロセスを提案する。 推論を行うために、非常に透明なコンポーネントを持つモデルを考案する。 実験の結果,診断精度は7.7%,10.0%,3.0%向上した。
  論文  参考訳（メタデータ） (2022-04-29T09:02:23Z)
• Efficient Symptom Inquiring and Diagnosis via Adaptive Alignment of Reinforcement Learning and Classification [0.6415701940560564]
  そこで本研究では,それぞれに強化学習課題と分類課題として定式化された症状検索と疾患診断を併用した医学的自動診断法を提案する。 我々はMedlinePlus知識ベースから抽出された新しいデータセットを作成し、より多くの病気とより完全な症状情報を含む。 実験結果から,本手法は異なるデータセット上での3つの最新手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-12-01T11:25:42Z)
• Developing a New Autism Diagnosis Process Based on a Hybrid Deep Learning Architecture Through Analyzing Home Videos [1.2691047660244335]
  現在、54人中1人が自閉症スペクトラム障害(ASD)と診断されており、2000年より178%高い。 本稿では,分類データと画像データの両方を用いて,従来のASD事前スクリーニングを自動化するハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-04-02T17:30:35Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)

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。