論文の概要: Enhancing Vaccine Safety Surveillance: Extracting Vaccine Mentions from Emergency Department Triage Notes Using Fine-Tuned Large Language Models

• arxiv url: http://arxiv.org/abs/2507.07599v1
• Date: Thu, 10 Jul 2025 09:57:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.351044
• Title: Enhancing Vaccine Safety Surveillance: Extracting Vaccine Mentions from Emergency Department Triage Notes Using Fine-Tuned Large Language Models
• Title（参考訳）: ワクチン安全監視の強化:細管大言語モデルを用いた救急部トリアージノートからのワクチン処方の抽出
• Authors: Sedigh Khademi, Jim Black, Christopher Palmer, Muhammad Javed, Hazel Clothier, Jim Buttery, Gerardo Luis Dimaguila,
• Abstract要約: プロンプトエンジニアリングモデル,微調整モデル,ルールベースアプローチの性能を比較した。 微調整されたLlama 30億のパラメータモデルは、ワクチン名抽出の精度で他のモデルよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.5025737475817937
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study evaluates fine-tuned Llama 3.2 models for extracting vaccine-related information from emergency department triage notes to support near real-time vaccine safety surveillance. Prompt engineering was used to initially create a labeled dataset, which was then confirmed by human annotators. The performance of prompt-engineered models, fine-tuned models, and a rule-based approach was compared. The fine-tuned Llama 3 billion parameter model outperformed other models in its accuracy of extracting vaccine names. Model quantization enabled efficient deployment in resource-constrained environments. Findings demonstrate the potential of large language models in automating data extraction from emergency department notes, supporting efficient vaccine safety surveillance and early detection of emerging adverse events following immunization issues.
• Abstract（参考訳）: 本研究は, 救急部トリアージノートからワクチン関連情報を抽出し, リアルタイムのワクチン安全性監視を支援するための微調整Llama 3.2モデルについて検討した。 プロンプトエンジニアリングは、当初はラベル付きデータセットの作成に用いられ、その後、人間のアノテーションによって確認された。 プロンプトエンジニアリングモデル,微調整モデル,ルールベースアプローチの性能を比較した。 微調整されたLlama 30億のパラメータモデルは、ワクチン名抽出の精度で他のモデルよりも優れていた。 モデル量子化は、リソース制約のある環境における効率的なデプロイを可能にした。 発見は、緊急部署のノートからデータ抽出を自動化し、効率的なワクチン安全性の監視を支援し、免疫問題後の発生した有害事象を早期に検出する大きな言語モデルの可能性を示す。

関連論文リスト

• Just as Humans Need Vaccines, So Do Models: Model Immunization to Combat Falsehoods [4.6697477379475005]
  生成AIモデルは、トレーニングコーパスに存在する偽情報を学習し、再現することが多い。 本稿は、AIモデルは、偽情報に対する"ワクチン"として明確にラベル付けされた偽装の、小さくて隔離されたセットで微調整されるべきである、と論じる。
  論文  参考訳（メタデータ） (2025-05-23T13:20:23Z)
• Cancer Vaccine Adjuvant Name Recognition from Biomedical Literature using Large Language Models [3.582740629030056]
  アジュバント(adjuvant)は、免疫反応を改善することにより効果を高めるワクチンに組み込まれた化学物質である。 本研究では,Large Language Models(LLMs),特にGenerative Pretrained Transformers(GPT)とLlama(Large Language Model Meta AI)を用いて,ワクチンのアジュバント名の自動認識について検討する。
  論文  参考訳（メタデータ） (2025-02-12T06:30:31Z)
• Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection [6.949493332885247]
  我々はワクチンの免疫原性を予測するための新しい深層学習ソリューションであるVenusVaccineを紹介した。 また、これまでに7000以上の抗原配列、構造、細菌、ウイルス、腫瘍からの免疫原性ラベルを含む、最も包括的な免疫原性データセットをコンパイルした。 私たちの研究はワクチン設計に有効なツールを提供し、将来の研究に有用なベンチマークを設定します。
  論文  参考訳（メタデータ） (2024-10-03T16:33:35Z)
• Model X-ray:Detecting Backdoored Models via Decision Boundary [62.675297418960355]
  バックドア攻撃はディープニューラルネットワーク(DNN)に重大な脆弱性をもたらす 図形化された2次元(2次元)決定境界の解析に基づく新しいバックドア検出手法であるモデルX線を提案する。 提案手法は,クリーンサンプルが支配する意思決定領域とラベル分布の集中度に着目した2つの戦略を含む。
  論文  参考訳（メタデータ） (2024-02-27T12:42:07Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Improving the Adversarial Robustness of NLP Models by Information Bottleneck [112.44039792098579]
  非破壊機能は敵によって容易に操作でき、NLPモデルを騙すことができる。 本研究では,情報ボトルネック理論を用いて,タスク固有のロバストな特徴を捕捉し,非ロバストな特徴を除去する可能性を検討する。 情報ボトルネックに基づく手法を用いてトレーニングしたモデルでは,ロバストな精度で大幅な改善が達成できることを示す。
  論文  参考訳（メタデータ） (2022-06-11T12:12:20Z)
• Disentangled Learning of Stance and Aspect Topics for Vaccine Attitude Detection in Social Media [40.61499595293957]
  VADetと呼ばれるワクチンの姿勢検出のための新しい半教師付きアプローチを提案する。 VADetは、歪んだ姿勢とアスペクトトピックを学習することができ、スタンス検出とツイートクラスタリングの両方で、既存のアスペクトベースの感情分析モデルより優れています。
  論文  参考訳（メタデータ） (2022-05-06T15:24:33Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)

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。