Fugu-MT 論文翻訳(概要): GAP: Graph-Assisted Prompts for Dialogue-based Medication Recommendation

論文の概要: GAP: Graph-Assisted Prompts for Dialogue-based Medication Recommendation

arxiv url: http://arxiv.org/abs/2505.12888v1
Date: Mon, 19 May 2025 09:18:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-20 14:57:11.509504
Title: GAP: Graph-Assisted Prompts for Dialogue-based Medication Recommendation
Title（参考訳）: GAP(Graph-Assisted Prompts for Dialogue-based Medication Recommendation)
Authors: Jialun Zhong, Yanzeng Li, Sen Hu, Yang Zhang, Teng Xu, Lei Zou,
Abstract要約: 対話型医薬品推薦のための textbfGAP フレームワークを提案する。対話から医療概念と対応する状態を抽出し、明示的に患者中心のグラフを構築する。豊富なクエリやプロンプトを生成し、複数のソースから情報を取得して、非現実的なレスポンスを減らすことができる。
参考スコア（独自算出の注目度）: 16.144875467144917
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Medication recommendations have become an important task in the healthcare domain, especially in measuring the accuracy and safety of medical dialogue systems (MDS). Different from the recommendation task based on electronic health records (EHRs), dialogue-based medication recommendations require research on the interaction details between patients and doctors, which is crucial but may not exist in EHRs. Recent advancements in large language models (LLM) have extended the medical dialogue domain. These LLMs can interpret patients' intent and provide medical suggestions including medication recommendations, but some challenges are still worth attention. During a multi-turn dialogue, LLMs may ignore the fine-grained medical information or connections across the dialogue turns, which is vital for providing accurate suggestions. Besides, LLMs may generate non-factual responses when there is a lack of domain-specific knowledge, which is more risky in the medical domain. To address these challenges, we propose a \textbf{G}raph-\textbf{A}ssisted \textbf{P}rompts (\textbf{GAP}) framework for dialogue-based medication recommendation. It extracts medical concepts and corresponding states from dialogue to construct an explicitly patient-centric graph, which can describe the neglected but important information. Further, combined with external medical knowledge graphs, GAP can generate abundant queries and prompts, thus retrieving information from multiple sources to reduce the non-factual responses. We evaluate GAP on a dialogue-based medication recommendation dataset and further explore its potential in a more difficult scenario, dynamically diagnostic interviewing. Extensive experiments demonstrate its competitive performance when compared with strong baselines.
Abstract（参考訳）: 医療領域では,特に医療対話システム(MDS)の精度と安全性を計測する上で,治療勧告が重要な課題となっている。電子健康記録(EHR)に基づく推奨タスクとは異なり、対話ベースの医薬品推奨は、患者と医師の間の相互作用の詳細の研究を必要とする。大規模言語モデル(LLM)の最近の進歩は、医療対話領域を拡張している。これらのLSMは、患者の意図を解釈し、医薬品の推奨を含む医学的提案を提供することができるが、いくつかの課題はまだ注目に値する。マルチターンダイアログ中、LSMは詳細な医療情報や、正確な提案を行う上で不可欠である対話ターン間の接続を無視することができる。加えて、LLMは、医療領域においてより危険であるドメイン固有の知識が欠如している場合に、非現実的な応答を生じさせる可能性がある。これらの課題に対処するために、対話型医薬品推奨のための \textbf{G}raph-\textbf{A}ssisted \textbf{P}rompts (\textbf{GAP}) フレームワークを提案する。医療概念と対応する状態を対話から抽出し、無視されるが重要な情報を記述できる、明示的に患者中心のグラフを構築する。さらに、外部の医療知識グラフと組み合わせることで、GAPは豊富なクエリやプロンプトを生成し、複数のソースから情報を取得し、非現実的な応答を減らすことができる。我々は,対話型医薬品推薦データセット上でGAPを評価し,より困難なシナリオ,ダイナミックな診断面接においてその可能性を探る。激しい実験は、強いベースラインと比較すると、その競争力を示す。

関連論文リスト

Natural Language-Assisted Multi-modal Medication Recommendation [97.07805345563348]
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。
論文参考訳（メタデータ） (2025-01-13T09:51:50Z)
MediTOD: An English Dialogue Dataset for Medical History Taking with Comprehensive Annotations [23.437292621092823]
本研究は,医学史研究のための英語における医師と患者との対話のデータセットであるMedictoDを紹介する。医療領域に合わせたアンケートに基づくラベリング手法を考案する。そして、医療専門家は高品質の包括的なアノテーションでデータセットを作成する。
論文参考訳（メタデータ） (2024-10-18T06:38:22Z)
RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。実験の結果,提案手法の有効性が示された。
論文参考訳（メタデータ） (2024-08-22T17:44:40Z)
AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文参考訳（メタデータ） (2024-02-15T06:46:48Z)
MidMed: Towards Mixed-Type Dialogues for Medical Consultation [12.676937863407542]
ほとんどの医療対話システムは、患者が医療相談の前に明確な目標(医療問合せ、外科手術問合せなど)を持つことを前提としている。医療知識が不足しているため、患者が必要な全てのスロットで明確な目標を決定することは、通常困難である。そこで我々は,MidMedと呼ばれる人-人-人-混在型医療相談対話コーパスを提案する。
論文参考訳（メタデータ） (2023-06-05T14:36:31Z)
PlugMed: Improving Specificity in Patient-Centered Medical Dialogue Generation using In-Context Learning [20.437165038293426]
患者中心の医療対話システムは、医療知識に乏しいユーザーに診断解釈サービスを提供しようとしている。大きな言語モデル(LLM)では、期待できる性能にもかかわらず応答の特異性を保証することは困難である。 In-context Learning に触発されて,プラグイン・アンド・プレイ医療対話システム PlugMed を提案する。
論文参考訳（メタデータ） (2023-05-19T08:18:24Z)
A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks and Datasets [70.32630628211803]
本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
論文参考訳（メタデータ） (2022-04-19T16:43:21Z)
DialMed: A Dataset for Dialogue-based Medication Recommendation [20.08110449216702]
医師と患者との会話で医薬品を推奨する最初の試みを行う。医療対話に基づく医薬品推奨タスクのための,最初の高品質なデータセットであるDialMedを構築した。
論文参考訳（メタデータ） (2022-02-22T05:12:29Z)
MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文参考訳（メタデータ） (2020-10-15T03:34:33Z)

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。