論文の概要: Actively evaluating and learning the distinctions that matter: Vaccine safety signal detection from emergency triage notes

• arxiv url: http://arxiv.org/abs/2507.18123v1
• Date: Thu, 24 Jul 2025 06:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.035583
• Title: Actively evaluating and learning the distinctions that matter: Vaccine safety signal detection from emergency triage notes
• Title（参考訳）: 緊急トリアージノートからのワクチン安全信号検出
• Authors: Sedigh Khademi, Christopher Palmer, Muhammad Javed, Hazel Clothier, Jim Buttery, Gerardo Luis Dimaguila, Jim Black,
• Abstract要約: 新型コロナウイルス(COVID-19)ワクチンは、世界社会が感染症に対処する能力を誇示している。 臨床治験における安全データ収集の窓が限られており、早期の実施により、ライセンス後監視システムの必要性が高まっている。 本研究は、自然言語処理技術とアクティブラーニングを用いて、緊急部署のノートからワクチンの安全性問題を検出する分類器を迅速に開発することを目的とする。
• 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: The rapid development of COVID-19 vaccines has showcased the global communitys ability to combat infectious diseases. However, the need for post-licensure surveillance systems has grown due to the limited window for safety data collection in clinical trials and early widespread implementation. This study aims to employ Natural Language Processing techniques and Active Learning to rapidly develop a classifier that detects potential vaccine safety issues from emergency department notes. ED triage notes, containing expert, succinct vital patient information at the point of entry to health systems, can significantly contribute to timely vaccine safety signal surveillance. While keyword-based classification can be effective, it may yield false positives and demand extensive keyword modifications. This is exacerbated by the infrequency of vaccination-related ED presentations and their similarity to other reasons for ED visits. NLP offers a more accurate and efficient alternative, albeit requiring annotated data, which is often scarce in the medical field. Active learning optimizes the annotation process and the quality of annotated data, which can result in faster model implementation and improved model performance. This work combines active learning, data augmentation, and active learning and evaluation techniques to create a classifier that is used to enhance vaccine safety surveillance from ED triage notes.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)ワクチンの急速な開発は、世界社会が感染症と闘う能力を示した。 しかし、治験における安全データ収集の窓が限られており、早期の実施により、ライセンス後監視システムの必要性が高まっている。 本研究は、自然言語処理技術とアクティブラーニングを用いて、緊急部署のノートからワクチンの安全性問題を検出する分類器を迅速に開発することを目的とする。 EDトリアージノートは、医療システムへの参入時に重要な患者情報を簡潔に記録し、ワクチンの安全信号の監視に時間的に貢献することができる。 キーワードベースの分類は効果的であるが、偽陽性を生じさせ、広範囲なキーワード修正を要求する可能性がある。 これは、予防接種関連EDプレゼンテーションの頻度の低下と、他のED訪問の理由との類似性によって悪化する。 NLPはより正確で効率的な代替手段を提供するが、アノテートされたデータを必要とする。 アクティブラーニングはアノテーションプロセスとアノテーション付きデータの品質を最適化し、より高速なモデル実装とモデルパフォーマンスの向上をもたらす。 この研究は、アクティブラーニング、データ拡張、およびアクティブラーニングと評価技術を組み合わせて、EDトリアージノートからのワクチン安全監視を強化するために使用される分類器を作成する。

関連論文リスト

• Enhancing Vaccine Safety Surveillance: Extracting Vaccine Mentions from Emergency Department Triage Notes Using Fine-Tuned Large Language Models [0.5025737475817937]
  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。
  論文  参考訳（メタデータ） (2025-07-10T09:57:08Z)
• GEMeX-ThinkVG: Towards Thinking with Visual Grounding in Medical VQA via Reinforcement Learning [50.94508930739623]
  医学的視覚的質問応答は、医学的イメージに基づいた自然言語的質問にモデルで答えることによって、臨床的な意思決定を支援することを目的としている。 現状の手法は, 信頼性の限界や解釈可能性の低下に悩まされており, 臨床医や患者がモデル生成の回答を理解し, 信頼する能力が損なわれている。 この研究はまず、回答生成を中間的推論ステップに分解するThinking with Visual Groundingデータセットを提案する。 本稿では,強化学習のための新たな報奨機構を導入し,モデル推論プロセスと最終解の整合性を改善した。
  論文  参考訳（メタデータ） (2025-06-22T08:09:58Z)
• Adversarial Prompt Distillation for Vision-Language Models [63.24270920122456]
  Adversarial Prompt Tuning (APT) は、迅速なチューニングの過程において、相手のトレーニングを適用する。 APDは、マルチモーダルな知識伝達と統合してAPTを強化するバイモーダルな知識蒸留フレームワークである。 複数のベンチマークデータセットに対する大規模な実験は、現在最先端のAPT法よりもAPD法の方が優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-22T03:02:13Z)
• 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)
• Utilizing Computer Vision for Continuous Monitoring of Vaccine Side Effects in Experimental Mice [3.0544571370338516]
  ワクチン投与後の副作用に対する実験マウスのモニタリングを自動化するためのコンピュータビジョン技術の応用について検討する。 予備的な結果は、コンピュータビジョンが微妙な変化を効果的に識別し、副作用を示唆していることを示している。
  論文  参考訳（メタデータ） (2024-04-03T23:59:59Z)
• Hierarchical Multi-Label Classification of Online Vaccine Concerns [8.271202196208]
  ワクチンの懸念は進化を続けるターゲットであり、新型コロナウイルス(COVID-19)のパンデミックで見られるように急速に変化する可能性がある。 本稿では,大規模言語モデル(LLM)を用いて,高価なトレーニングデータセットを必要とせず,ゼロショット設定でワクチンの関心事を検出するタスクについて検討する。
  論文  参考訳（メタデータ） (2024-02-01T20:56:07Z)
• Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
  大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。 正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。 本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
  論文  参考訳（メタデータ） (2023-05-30T22:05:11Z)
• 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)
• ALLSH: Active Learning Guided by Local Sensitivity and Hardness [98.61023158378407]
  本稿では,局所感度と硬度認識獲得機能を備えたラベル付きサンプルの検索を提案する。 本手法は,様々な分類タスクにおいてよく用いられるアクティブラーニング戦略よりも一貫した利得が得られる。
  論文  参考訳（メタデータ） (2022-05-10T15:39:11Z)
• 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)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)

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。