論文の概要: Natural Language-Assisted Multi-modal Medication Recommendation

• arxiv url: http://arxiv.org/abs/2501.07166v1
• Date: Mon, 13 Jan 2025 09:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:25:26.677076
• Title: Natural Language-Assisted Multi-modal Medication Recommendation
• Title（参考訳）: 自然言語を利用したマルチモーダルメディケーション・レコメンデーション
• Authors: Jie Tan, Yu Rong, Kangfei Zhao, Tian Bian, Tingyang Xu, Junzhou Huang, Hong Cheng, Helen Meng,
• Abstract要約: NLA-MMR(Natural Language-Assisted Multi-modal Medication Recommendation)を紹介する。 NLA-MMRは、患者視点から知識を学習し、医薬視点を共同で学習するために設計されたマルチモーダルアライメントフレームワークである。 本稿では,プレトレーニング言語モデル(PLM)を用いて,患者や医薬品に関するドメイン内知識を抽出する。
• 参考スコア（独自算出の注目度）: 97.07805345563348
• License:
• Abstract: Combinatorial medication recommendation(CMR) is a fundamental task of healthcare, which offers opportunities for clinical physicians to provide more precise prescriptions for patients with intricate health conditions, particularly in the scenarios of long-term medical care. Previous research efforts have sought to extract meaningful information from electronic health records (EHRs) to facilitate combinatorial medication recommendations. Existing learning-based approaches further consider the chemical structures of medications, but ignore the textual medication descriptions in which the functionalities are clearly described. Furthermore, the textual knowledge derived from the EHRs of patients remains largely underutilized. To address these issues, we introduce the Natural Language-Assisted Multi-modal Medication Recommendation(NLA-MMR), a multi-modal alignment framework designed to learn knowledge from the patient view and medication view jointly. Specifically, NLA-MMR formulates CMR as an alignment problem from patient and medication modalities. In this vein, we employ pretrained language models(PLMs) to extract in-domain knowledge regarding patients and medications, serving as the foundational representation for both modalities. In the medication modality, we exploit both chemical structures and textual descriptions to create medication representations. In the patient modality, we generate the patient representations based on textual descriptions of diagnosis, procedure, and symptom. Extensive experiments conducted on three publicly accessible datasets demonstrate that NLA-MMR achieves new state-of-the-art performance, with a notable average improvement of 4.72% in Jaccard score. Our source code is publicly available on https://github.com/jtan1102/NLA-MMR_CIKM_2024.
• Abstract（参考訳）: コンビニアル・メディカル・レコメンデーション(CMR)は医療の基本的な課題であり、特に長期医療のシナリオにおいて、臨床医が複雑な健康状態の患者に対してより正確な処方薬を提供する機会を提供する。 従来,電子健康記録(EHR)から有意義な情報を抽出し,統合的医薬品推奨を促進する研究が進められてきた。 既存の学習に基づくアプローチは、薬の化学構造をさらに検討するが、機能性が明確に記述されたテキスト医薬品の記述を無視する。 さらに,患者の EHR から得られたテキスト知識は, ほとんど利用されていない。 これらの課題に対処するために,患者から知識を学習するための多モードアライメントフレームワークであるNLA-MMR(Natural Language-Assisted Multi-modal Medication Recommendation)を導入する。 特に、NLA-MMRは、CMRを患者と薬物のアライメント問題として定式化している。 本稿では,患者と薬物に関するドメイン内知識を抽出するために,事前訓練された言語モデル(PLM)を用いて,両方のモダリティの基盤的表現として機能する。 薬物モダリティでは、化学構造とテキスト記述の両方を利用して薬物表現を作成する。 患者モダリティでは、診断、手順、症状のテキスト記述に基づいて、患者表現を生成する。 3つの公開データセットで実施された大規模な実験は、NLA-MMRが新しい最先端のパフォーマンスを達成し、ジャカードスコアの4.72%が顕著に改善されたことを示している。 ソースコードはhttps://github.com/jtan1102/NLA-MMR_CIKM_2024で公開されています。

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 [58.94186280631342]
  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)
• MedSumm: A Multimodal Approach to Summarizing Code-Mixed Hindi-English Clinical Queries [16.101969130235055]
  本稿では,Multimodal Medical Codemixed Question Summarization MMCQSデータセットを紹介する。 このデータセットは、ヒンディー語と英語の混成医療クエリと視覚支援を組み合わせたものだ。 データセット、コード、トレーニング済みのモデルを公開します。
  論文  参考訳（メタデータ） (2024-01-03T07:58:25Z)
• ABiMed: An intelligent and visual clinical decision support system for medication reviews and polypharmacy management [3.843569766201585]
  ABiMedの目的は、医薬品レビューと多薬局管理のための革新的な臨床決定支援システムを設計することである。 ABiMedは、ガイドラインの実装と、GPの電子健康記録から患者データを自動抽出し、薬剤師に転送すること、および視覚分析を用いてコンテキスト化された薬物知識を視覚的に提示すること、の2つのアプローチを関連付けている。
  論文  参考訳（メタデータ） (2023-12-13T11:06:45Z)
• Knowledge-Induced Medicine Prescribing Network for Medication Recommendation [9.591674293850557]
  本研究は,医学を推薦する知識誘導型医薬処方ネットワーク(KindMed)を提案する。 我々は、階層的シーケンス学習を利用して、患者の歴史的入院における臨床(診断と処置)と医療の流れの時間的ダイナミクスを発見し、融合させ、パーソナライズされたレコメンデーションを育む。 実世界のEHRコホートに対するKindMedの有効性を検証し,少数のグラフ駆動ベースラインに対する推奨性能の改善を実現した。
  論文  参考訳（メタデータ） (2023-10-23T04:15:39Z)
• DKINet: Medication Recommendation via Domain Knowledge Informed Deep Learning [12.609882335746859]
  医療勧告は、医療の根本的かつ重要な分野である。 これまでの研究は主に電子健康記録から患者の表現を学ぶことに焦点を当ててきた。 本稿では,複雑な臨床症状とドメイン知識の効果的な統合に対処する知識注入モジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-31T07:22:15Z)
• Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
  本稿では,Re$3$Writer法を提案する。 本手法が患者の退院指示生成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:34:39Z)
• 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)

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。