論文の概要: CancerKG.ORG A Web-scale, Interactive, Verifiable Knowledge Graph-LLM Hybrid for Assisting with Optimal Cancer Treatment and Care

• arxiv url: http://arxiv.org/abs/2501.00223v1
• Date: Tue, 31 Dec 2024 02:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:17:09.243565
• Title: CancerKG.ORG A Web-scale, Interactive, Verifiable Knowledge Graph-LLM Hybrid for Assisting with Optimal Cancer Treatment and Care
• Title（参考訳）: CancerKG.ORG : 最適ながん治療とケアを支援するWebスケールで対話的で検証可能な知識グラフ-LLMハイブリッド
• Authors: Michael Gubanov, Anna Pyayt, Aleksandra Karolak,
• Abstract要約: 最初のWebスケールハイブリッド知識グラフ(KG)-大規模言語モデル(LLM)について述べる。 CancerKGは、大腸癌に関する最新の査読された医療知識に富んでいる。 私たちのハイブリッドは、LCM、KG、サーチエンジンを単独で使用することよりも、ユーザのニーズに応えているため、目覚ましいものです。
• 参考スコア（独自算出の注目度）: 45.84205238554709
• License:
• Abstract: Here, we describe one of the first Web-scale hybrid Knowledge Graph (KG)-Large Language Model (LLM), populated with the latest peer-reviewed medical knowledge on colorectal Cancer. It is currently being evaluated to assist with both medical research and clinical information retrieval tasks at Moffitt Cancer Center, which is one of the top Cancer centers in the U.S. and in the world. Our hybrid is remarkable as it serves the user needs better than just an LLM, KG or a search-engine in isolation. LLMs as is are known to exhibit hallucinations and catastrophic forgetting as well as are trained on outdated corpora. The state of the art KGs, such as PrimeKG, cBioPortal, ChEMBL, NCBI, and other require manual curation, hence are quickly getting stale. CancerKG is unsupervised and is capable of automatically ingesting and organizing the latest medical findings. To alleviate the LLMs shortcomings, the verified KG serves as a Retrieval Augmented Generation (RAG) guardrail. CancerKG exhibits 5 different advanced user interfaces, each tailored to serve different data modalities better and more convenient for the user.
• Abstract（参考訳）: ここでは、大腸癌に関する最新のピアレビュー医療知識を蓄積した、最初のWebスケールハイブリッド知識グラフ(KG)-ラージ言語モデル(LLM)について述べる。 現在、アメリカと世界でもトップクラスのがんセンターであるモフィット癌センターで、医学研究と臨床情報検索の業務を支援するために評価されている。 私たちのハイブリッドは、LCM、KG、サーチエンジンを単独で使用することよりも、ユーザのニーズに応えているため、目覚ましいものです。 LLMは幻覚や破滅的な忘れ物として知られており、時代遅れのコーパスで訓練されている。 PrimeKG、cBioPortal、ChEMBL、NCBIなどの最先端のKGは手動のキュレーションを必要とするため、急速に時代遅れになっている。 CancerKGは教師なしで、最新の医学的発見を自動的に取り込み、組織化することができる。 LLMの欠点を軽減するため、認証されたKGはレトリーバル増強世代(RAG)ガードレールとして機能する。 CancerKGには5つの高度なユーザインターフェースがあり、それぞれが異なるデータモダリティを提供するように調整されている。

関連論文リスト

• Cancer-Answer: Empowering Cancer Care with Advanced Large Language Models [0.0]
  消化器癌(GI)は、世界のがん負担のかなりの部分を占める。 がん関連クエリは、タイムリーな診断、治療、患者教育に不可欠である。 我々は,GPT-3.5 Turboのような大規模言語モデル(LLM)を利用して,がん関連クエリに対する正確で文脈的に関連する応答を生成する。
  論文  参考訳（メタデータ） (2024-11-11T12:54:22Z)
• Cancer-Net SCa-Synth: An Open Access Synthetically Generated 2D Skin Lesion Dataset for Skin Cancer Classification [65.83291923029985]
  アメリカ合衆国では、皮膚がんが最も一般的に診断されるがんと位置づけられており、公衆衛生上の問題となっている。 データセットのキュレーションとディープラーニングの進歩により、皮膚がんの迅速かつ正確な検出が期待できる。 Cancer-Net SCa- Synthは、皮膚がん分類のためのオープンアクセス合成された2D皮膚病変データセットである。
  論文  参考訳（メタデータ） (2024-11-08T02:04:21Z)
• Cancer Cell Classification using Deep Learning [0.0]
  悪性腫瘍には良性腫瘍と悪性腫瘍の2種類がある。 今日のオンライン環境で生産されるデータのほとんどは、医療やソーシャルメディアに関連するウェブサイトから来ている。 本研究は, 細菌細胞を種々の深層学習アルゴリズムを用いて良性又は癌性に分類する。
  論文  参考訳（メタデータ） (2024-10-21T21:21:16Z)
• Enhanced Cascade Prostate Cancer Classifier in mp-MRI Utilizing Recall Feedback Adaptive Loss and Prior Knowledge-Based Feature Extraction [4.00189087655119]
  本稿では, 先行知識を取り入れ, 不均一な医用サンプル分布の問題に対処し, mpMRIにおける高い解釈可能性を維持するソリューションを提案する。 まず,前立腺癌に対するPI-RADS基準をモデルトレーニングの診断情報として数学的にモデル化する,事前知識に基づく特徴抽出手法を提案する。 次に、極めて不均衡なデータ問題に対処するため、適応的リコールフィードバック損失を提案する。 第3に、前立腺癌を解釈可能な方法で異なるレベルに分類する拡張前立腺癌を設計する。
  論文  参考訳（メタデータ） (2024-08-19T07:18:06Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
  この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。 HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。 アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Scientific Language Models for Biomedical Knowledge Base Completion: An Empirical Study [62.376800537374024]
  我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。 LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-06-17T17:55:33Z)
• Machine Learning Against Cancer: Accurate Diagnosis of Cancer by Machine Learning Classification of the Whole Genome Sequencing Data [0.0]
  我々は,MLAC(Machine Learning Against Cancer)の新たな手法を開発し,完全精度,感度,特異性を実現した。 The Cancer Genome Atlas and Genotype-Tissue Expression project for cancerous and healthy tissues。
  論文  参考訳（メタデータ） (2020-09-12T18:51:47Z)

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。