論文の概要: Tree-based RAG-Agent Recommendation System: A Case Study in Medical Test Data

• arxiv url: http://arxiv.org/abs/2501.02727v1
• Date: Mon, 06 Jan 2025 02:50:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:07:55.053590
• Title: Tree-based RAG-Agent Recommendation System: A Case Study in Medical Test Data
• Title（参考訳）: ツリーベースRAG-Agentレコメンデーションシステム:医療試験データにおける事例研究
• Authors: Yahe Yang, Chengyue Huang,
• Abstract要約: HiRMedは、Retrieval-Augmented Generation(RAG)を利用して、インテリジェントな医療検査レコメンデーションを行う、新しい木構造レコメンデーションシステムである。 本システムは,RAGプロセスを通じて,各ツリーノードの医療的推論を行う。
• 参考スコア（独自算出の注目度）: 0.5755004576310334
• License:
• Abstract: We present HiRMed (Hierarchical RAG-enhanced Medical Test Recommendation), a novel tree-structured recommendation system that leverages Retrieval-Augmented Generation (RAG) for intelligent medical test recommendations. Unlike traditional vector similarity-based approaches, our system performs medical reasoning at each tree node through a specialized RAG process. Starting from the root node with initial symptoms, the system conducts step-wise medical analysis to identify potential underlying conditions and their corresponding diagnostic requirements. At each level, instead of simple matching, our RAG-enhanced nodes analyze retrieved medical knowledge to understand symptom-disease relationships and determine the most appropriate diagnostic path. The system dynamically adjusts its recommendation strategy based on medical reasoning results, considering factors such as urgency levels and diagnostic uncertainty. Experimental results demonstrate that our approach achieves superior performance in terms of coverage rate, accuracy, and miss rate compared to conventional retrieval-based methods. This work represents a significant advance in medical test recommendation by introducing medical reasoning capabilities into the traditional tree-based retrieval structure.
• Abstract（参考訳）: 本稿では,階層的RAG強化医療検査勧告(HiRMed:hierarchical RAG-enhanced Medical Test Recommendation)について紹介する。 従来のベクトル類似性に基づくアプローチとは異なり,本システムはRAGプロセスを通じて各ツリーノードで医学的推論を行う。 最初の症状のあるルートノードからスタートすると、システムはステップワイドな医療分析を行い、潜在的な基礎疾患とその診断要件を特定する。 各レベルにおいて、単純なマッチングではなく、RAGにより強化されたノードは、検索した医療知識を分析し、症状と症状の関係を理解し、最も適切な診断経路を決定する。 本システムは,緊急度や診断の不確実性などの要因を考慮して,医学的推論結果に基づいて推薦戦略を動的に調整する。 提案手法は,従来の検索手法と比較して,カバレッジ率,精度,ミス率において優れた性能を示すことを示す。 本研究は,従来の木系検索構造に医学的推論機能を導入することで,医学的評価の大幅な進歩を示すものである。

関連論文リスト

• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• Self-supervised Hierarchical Representation for Medication Recommendation [11.051436224493614]
  医薬推奨者は、患者の健康履歴に基づいて適切な薬剤の組み合わせを提案することである。 既存の著作物は、一つのホットエンコーディングで明確に分離された異なる診断/調達を表現している。 本稿では,階層的に診断と手順を表現する階層型エンコーダHIERを提案する。
  論文  参考訳（メタデータ） (2024-11-05T14:33:50Z)
• RAGChecker: A Fine-grained Framework for Diagnosing Retrieval-Augmented Generation [61.14660526363607]
  本稿では,検索モジュールと生成モジュールの両方に対して,一連の診断指標を組み込んだ詳細な評価フレームワークであるRAGCheckerを提案する。 RAGCheckerは、他の評価指標よりも、人間の判断との相関が著しく優れている。 RAGCheckerのメトリクスは、より効果的なRAGシステムの開発において研究者や実践者を導くことができる。
  論文  参考訳（メタデータ） (2024-08-15T10:20:54Z)
• Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation for Automatic Diagnosis [30.943705201552643]
  本研究では,潜在的な疾患に対するエージェントの確率分布を適応的に融合させることにより,現実世界の診断過程をモデル化する枠組みを提案する。 提案手法では,パラメータ更新とトレーニング時間を大幅に短縮し,効率と実用性を向上する。
  論文  参考訳（メタデータ） (2024-01-29T12:25:30Z)
• Medical Dialogue Generation via Intuitive-then-Analytical Differential Diagnosis [14.17497921394565]
  Intuitive-then-Analytic Differential Diagnosis (IADDx) を用いた医用対話生成フレームワークを提案する。 本手法は,検索に基づく直感的アソシエーション(直感的アソシエーション)によるディファレンス診断から始まり,その後,グラフ強化解析手法により精査する。 提案手法の有効性を2つのデータセットで検証した。
  論文  参考訳（メタデータ） (2024-01-12T12:35:19Z)
• A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
  本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。 診断過程を概説する決定論的アプローチに基づいている。 機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
  論文  参考訳（メタデータ） (2023-11-26T14:42:31Z)
• Towards Trustworthy Automatic Diagnosis Systems by Emulating Doctors' Reasoning with Deep Reinforcement Learning [2.314562406457073]
  深層強化学習フレームワークを用いて証拠取得と自動診断タスクをモデル化することを提案する。 提案手法は, 競合する病理学予測精度を維持しつつ, 既存モデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-13T17:17:17Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• 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)
• 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)
• Clinical Recommender System: Predicting Medical Specialty Diagnostic Choices with Neural Network Ensembles [6.015709234901588]
  本稿では,患者の最新の臨床記録に基づいて,必要な診断手順のセットを推奨するデータ駆動モデルを提案する。 これにより、医療システムは、患者の初期医療専門性診断ワークアップへのタイムリーなアクセスを拡大できる可能性がある。
  論文  参考訳（メタデータ） (2020-07-23T17:50:15Z)

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。