論文の概要: An Interpretable AI framework Quantifying Traditional Chinese Medicine Principles Towards Enhancing and Integrating with Modern Biomedicine
- arxiv url: http://arxiv.org/abs/2507.11176v1
- Date: Tue, 15 Jul 2025 10:30:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:03.076484
- Title: An Interpretable AI framework Quantifying Traditional Chinese Medicine Principles Towards Enhancing and Integrating with Modern Biomedicine
- Title（参考訳）: 現代バイオメディシンの強化と統合に向けた中国の伝統医学原則の定量化のための解釈可能なAIフレームワーク
- Authors: Haoran Li, Xingye Cheng, Ziyang Huang, Jingyuan Luo, Qianqian Xu, Qiguang Zhao, Tianchen Guo, Yumeng Zhang, Linda Lidan Zhong, Zhaoxiang Bian, Leihan Tang, Aiping Lyu, Liang Tian,
- Abstract要約: 本稿では,従来のTCM式記録に基づいてトレーニングしたAIフレームワークについて述べる。
モデルによるTCM原理の定量的表現を用いて,解釈可能なTCM埋め込み空間(TCM-ES)を構築する。
- 参考スコア（独自算出の注目度）: 26.992611646195456
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Traditional Chinese Medicine diagnosis and treatment principles, established through centuries of trial-and-error clinical practice, directly maps patient-specific symptom patterns to personalised herbal therapies. These empirical holistic mapping principles offer valuable strategies to address remaining challenges of reductionism methodologies in modern biomedicine. However, the lack of a quantitative framework and molecular-level evidence has limited their interpretability and reliability. Here, we present an AI framework trained on ancient and classical TCM formula records to quantify the symptom pattern-herbal therapy mappings. Interestingly, we find that empirical TCM diagnosis and treatment are consistent with the encoding-decoding processes in the AI model. This enables us to construct an interpretable TCM embedding space (TCM-ES) using the model's quantitative representation of TCM principles. Validated through broad and extensive TCM patient data, the TCM-ES offers universal quantification of the TCM practice and therapeutic efficacy. We further map biomedical entities into the TCM-ES through correspondence alignment. We find that the principal directions of the TCM-ES are significantly associated with key biological functions (such as metabolism, immune, and homeostasis), and that the disease and herb embedding proximity aligns with their genetic relationships in the human protein interactome, which demonstrate the biological significance of TCM principles. Moreover, the TCM-ES uncovers latent disease relationships, and provides alternative metric to assess clinical efficacy for modern disease-drug pairs. Finally, we construct a comprehensive and integrative TCM knowledge graph, which predicts potential associations between diseases and targets, drugs, herbal compounds, and herbal therapies, providing TCM-informed opportunities for disease analysis and drug development.
- Abstract（参考訳）: 伝統的な中国医学の診断と治療の原則は、何世紀にもわたって試行錯誤の実践を通じて確立され、患者固有の症状パターンを直接、パーソナライズされたハーブ療法にマッピングする。
これらの経験的全体論的マッピング原理は、現代の生医学における還元主義方法論の残る課題に対処するための貴重な戦略を提供する。
しかし、定量的な枠組みと分子レベルの証拠の欠如は、その解釈可能性と信頼性を制限している。
本稿では,古典的および古典的なTCM式記録に基づいてトレーニングされたAIフレームワークについて述べる。
興味深いことに、実証的なTCM診断と治療は、AIモデルにおける符号化/復号プロセスと一致している。
これにより、モデルによるTCM原理の定量的表現を用いて、解釈可能なTCM埋め込み空間(TCM-ES)を構築することができる。
TCM-ESは広範かつ広範なTCM患者データを通じて検証され、TCMの実践の普遍的な定量化と治療効果を提供する。
さらに,生物医学的実体をTCM-ESにアライメントアライメントすることでマッピングする。
TCM-ESの主要方向は重要な生物学的機能(代謝、免疫、ホメオスタシスなど)に大きく関連しており、本疾患とハーブ埋め込み近接性はヒトタンパク質の相互作用系における遺伝的関係と一致し、TCM原理の生物学的意義を示す。
さらに、TCM-ESは潜在性疾患の関係を明らかにし、現代の疾患と薬物のペアに対する臨床効果を評価するための代替指標を提供する。
最後に, 総合的かつ総合的なTCM知識グラフを構築し, 疾患と標的, 薬物, ハーブ化合物, ハーブ療法の潜在的な関連性を予測する。
関連論文リスト
- Medical World Model: Generative Simulation of Tumor Evolution for Treatment Planning [50.16114813279694]
臨床診断に基づいて将来の疾患状態を視覚的に予測する医用世界モデル(MeWM)を紹介する。
MeWMは、(i)政策モデルとして機能する視覚言語モデルと、(ii)ダイナミックスモデルとして腫瘍生成モデルから構成される。
シミュレーション後腫瘍に対する生存解析を適用した逆ダイナミクスモデルを提案し,治療効果の評価と最適な臨床行動計画の選択を可能にした。
論文 参考訳（メタデータ） (2025-06-02T23:50:40Z) - Tianyi: A Traditional Chinese Medicine all-rounder language model and its Real-World Clinical Practice [15.020917068333237]
Tianyiは、相互接続された、系統的なTCM知識を、進歩的な学習方法で同化するように設計されている。
広範囲な評価は、TCM臨床および研究におけるAIアシスタントとしてのTianyiの有意義な可能性を示している。
論文 参考訳（メタデータ） (2025-05-19T14:17:37Z) - Graph Neural Networks for Quantifying Compatibility Mechanisms in Traditional Chinese Medicine [0.0]
我々は,従来のTCM理論と現代生物医学科学を橋渡しする知識グラフを開発した。
本研究は,解釈可能なモデル,オープンソースデータ,コードを用いて,TCM理論の進歩と薬物発見のための堅牢なツールを提供する。
論文 参考訳（メタデータ） (2024-11-18T11:16:13Z) - BianCang: A Traditional Chinese Medicine Large Language Model [22.582027277167047]
BianCangはTCM固有の大規模言語モデル(LLM)で、まずドメイン固有の知識を注入し、目標とする刺激によって調整する。
実際の病院記録に基づく事前学習コーパス,ChP-TCMデータセット,および中華人民共和国の薬局類由来のChP-TCMデータセットを構築した。
我々は,TCMの理解を深めるための包括的なデータセットを構築し,連続的な事前学習と微調整のための広範囲なTCMと医療コーパスを収集した。
論文 参考訳（メタデータ） (2024-11-17T10:17:01Z) - Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。
本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。
その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Unified Representation of Genomic and Biomedical Concepts through Multi-Task, Multi-Source Contrastive Learning [45.6771125432388]
言語モデル(genEREL)を用いたジェノミクス表現について紹介する。
GENERELは遺伝学と生物医学の知識基盤を橋渡しするために設計されたフレームワークである。
本実験は,SNPと臨床概念のニュアンス関係を効果的に把握するgenERELの能力を実証するものである。
論文 参考訳（メタデータ） (2024-10-14T04:19:52Z) - Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。
RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文 参考訳（メタデータ） (2024-07-17T07:44:18Z) - MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway
Encoding [48.348511646407026]
本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。
このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
論文 参考訳（メタデータ） (2024-03-11T10:57:45Z) - Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。
BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。
ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
論文 参考訳（メタデータ） (2023-12-09T07:08:00Z) - RoKEPG: RoBERTa and Knowledge Enhancement for Prescription Generation of
Traditional Chinese Medicine [2.1098688291287475]
漢方薬の処方生成のためのRoBERTaと知識強化モデル(RoKEPG)を提案する。
RoKEPGは、アテンションマスクマトリックスを通して、TCMの知識の4つのクラスを導入することで、TCM処方薬を生成するためにガイドされる。
一般に公開されているTCM処方データセットの実験結果から、RoKEPGはベースラインモデルよりも約2%改善していることがわかった。
論文 参考訳（メタデータ） (2023-11-29T01:59:38Z) - Sequential Condition Evolved Interaction Knowledge Graph for Traditional
Chinese Medicine Recommendation [9.953064118341812]
伝統的な中国医学(TCM)は、病気の多様性を治療するために天然のハーブを利用する豊富な歴史を持っている。
既存のTCM推奨アプローチは、患者の状態の変化を見落とし、症状と処方薬の間の潜在的なパターンのみを探索する。
本稿では,患者の症状の動態を考慮し,モデルを逐次処方薬製造問題として扱う新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-05-29T03:13:39Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic
and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。
モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-08-06T20:20:22Z)
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。