論文の概要: Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes
- arxiv url: http://arxiv.org/abs/2507.12261v1
- Date: Wed, 16 Jul 2025 14:06:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-17 19:00:11.424285
- Title: Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes
- Title（参考訳）: Infherno: フリーフォーム臨床ノートからのエンド・ツー・エンドエージェントベースのFHIR資源合成
- Authors: Johann Frei, Nils Feldhus, Lisa Raithel, Roland Roller, Alexander Meyer, Frank Kramer,
- Abstract要約: 本稿では,LLMエージェント,コード実行,医療用語データベースツールを活用したエンドツーエンドフレームワークを提案する。
我々のソリューションであるInfhernoは、FHIRドキュメントスキーマに準拠するように設計されており、構造化されていないテキストからFHIRリソースを予測するための人間のベースラインとよく競合する。
- 参考スコア（独自算出の注目度）: 37.88754205269813
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For clinical data integration and healthcare services, the HL7 FHIR standard has established itself as a desirable format for interoperability between complex health data. Previous attempts at automating the translation from free-form clinical notes into structured FHIR resources rely on modular, rule-based systems or LLMs with instruction tuning and constrained decoding. Since they frequently suffer from limited generalizability and structural inconformity, we propose an end-to-end framework powered by LLM agents, code execution, and healthcare terminology database tools to address these issues. Our solution, called Infherno, is designed to adhere to the FHIR document schema and competes well with a human baseline in predicting FHIR resources from unstructured text. The implementation features a front end for custom and synthetic data and both local and proprietary models, supporting clinical data integration processes and interoperability across institutions.
- Abstract（参考訳）: 臨床データの統合と医療サービスのために、HL7 FHIR標準は、複雑な健康データ間の相互運用性のための望ましいフォーマットとして確立されている。
フリーフォームな臨床ノートから構造化されたFHIRリソースへの翻訳を自動化しようとする以前の試みは、命令チューニングと制約付きデコードを備えたモジュラー・ルールベースのシステムやLLMに依存していた。
LLMエージェント,コード実行,医療用語データベースツールを駆使したエンドツーエンドのフレームワークを提案する。
我々のソリューションであるInfhernoは、FHIRドキュメントスキーマに準拠するように設計されており、構造化されていないテキストからFHIRリソースを予測する際に、人間のベースラインとよく競合する。
この実装は、カスタムデータと合成データのためのフロントエンドと、ローカルモデルとプロプライエタリモデルの両方を備え、臨床データの統合プロセスと機関間の相互運用性をサポートする。
関連論文リスト
- From EMR Data to Clinical Insight: An LLM-Driven Framework for Automated Pre-Consultation Questionnaire Generation [9.269061009613033]
複雑な電子カルテ(EMR)から事前コンサルテーションアンケートを作成するための新しい枠組みを提案する。
この枠組みは、明確な臨床知識を構築することによって直接的手法の限界を克服する。
実世界のEMRデータセットを用いて評価し,臨床専門家が検証し,情報カバレッジ,診断関連性,理解可能性,生成時間に優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-01T12:24:49Z) - Large Language Models for Automating Clinical Data Standardization: HL7 FHIR Use Case [0.2516393111664279]
本稿では、構造化された臨床データセットをHL7 FHIRフォーマットに変換するための半自動アプローチを提案する。
最初のベンチマークでは、リソースの識別は完全なF1スコアに達し、GPT-4oはLlama 3.2を上回った。
誤り解析により,非存在属性の幻覚や粒度のミスマッチが検出され,より詳細なプロンプトが軽減されることがわかった。
論文 参考訳（メタデータ） (2025-07-03T17:32:57Z) - Enhancing Clinical Decision Support and EHR Insights through LLMs and the Model Context Protocol: An Open-Source MCP-FHIR Framework [0.9246281666115259]
本稿では,Large Language Models (LLM) と HL7 FHIR データをモデルコンテキストプロトコル (MCP) を介して統合するオープンソースフレームワークを提案する。
提案手法は、スケーラブルで説明可能な、相互運用可能なAIベースのEHRアプリケーションを提供する。
論文 参考訳（メタデータ） (2025-06-13T04:07:19Z) - RedactOR: An LLM-Powered Framework for Automatic Clinical Data De-Identification [10.378433440829712]
構造化および非構造化の電子健康記録を識別するための完全に自動化されたフレームワークであるRedactorを提案する。
当社のフレームワークでは,インテリジェントルーティングやハイブリッドルール,LLMベースのアプローチなど,コスト効率の高いDe-ID戦略を採用している。
本稿では,保護されたエンティティの一貫した置換を保証するために,検索に基づくエンティティリラクシゼーション手法を提案する。
論文 参考訳（メタデータ） (2025-05-23T21:13:18Z) - GENIE: Generative Note Information Extraction model for structuring EHR data [14.057531175321113]
生成ノート情報抽出システムGENIEを紹介する。
GENIEは1つのパスで全段落を処理し、エンティティ、アサーションステータス、ロケーション、修飾子、値、目的を高精度に抽出する。
堅牢なデータ準備パイプラインと微調整された小型LLMを使用して、GENIEは複数の情報抽出タスク間での競合性能を実現する。
論文 参考訳（メタデータ） (2025-01-30T15:42:24Z) - HAPI-FHIR Server Implementation to Enhancing Interoperability among
Primary Care Health Information Systems in Sri Lanka: Review of the Technical
Use Case [0.0]
このレビューは、デジタルヘルスにおける相互運用性の重要な役割を強調し、標準化されたフレームワークを提唱する。
技術的、セマンティック、プロセスの問題に対処するFHIR(Fast Healthcare Resources)サーバの実装に重点を置いている。
論文 参考訳（メタデータ） (2024-02-05T09:48:46Z) - IMTLab: An Open-Source Platform for Building, Evaluating, and Diagnosing
Interactive Machine Translation Systems [94.39110258587887]
IMTLabは、オープンソースのエンドツーエンド対話型機械翻訳(IMT)システムプラットフォームである。
IMTLabは、対話的な翻訳プロセス全体を、ヒューマン・イン・ザ・ループ設定によるタスク指向の対話として扱う。
論文 参考訳（メタデータ） (2023-10-17T11:29:04Z) - Modular Clinical Decision Support Networks (MoDN) -- Updatable,
Interpretable, and Portable Predictions for Evolving Clinical Environments [46.434488407226155]
我々はModular Clinical Decision Support Networks (MoDN)を提案する。
MoDNは、IIOデータセット間で柔軟なプライバシ保護学習を可能にする。
患者の動的パーソナライズされた表現を生成し、診断の複数の予測を行うことができる。
論文 参考訳（メタデータ） (2022-11-12T11:10:46Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z) - Learning Contextualized Document Representations for Healthcare Answer
Retrieval [68.02029435111193]
コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。
本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。
我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2020-02-03T15:47:19Z)
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。