論文の概要: A Semantic Framework for Patient Digital Twins in Chronic Care

• arxiv url: http://arxiv.org/abs/2510.09134v1
• Date: Fri, 10 Oct 2025 08:34:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.49059
• Title: A Semantic Framework for Patient Digital Twins in Chronic Care
• Title（参考訳）: 慢性期における患者デジタル双生児のセマンティックな枠組み
• Authors: Amal Elgammal, Bernd J. Krämer, Michael P. Papazoglou, Mira Raheem,
• Abstract要約: 患者医療デジタルツイン(PMDT)は、生理的、精神社会的、行動的、ゲノム的な情報をコヒーレントなモデルに統合する。 PMDTはセマンティック・インターオペラビリティを確保し、自動推論をサポートし、さまざまな臨床コンテキストでの再利用を可能にする。 データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代デジタルヘルスエコシステムの検証された基盤を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized chronic care requires the integration of multimodal health data to enable precise, adaptive, and preventive decision-making. Yet most current digital twin (DT) applications remain organ-specific or tied to isolated data types, lacking a unified and privacy-preserving foundation. This paper introduces the Patient Medical Digital Twin (PMDT), an ontology-driven in silico patient framework that integrates physiological, psychosocial, behavioral, and genomic information into a coherent, extensible model. Implemented in OWL 2.0, the PMDT ensures semantic interoperability, supports automated reasoning, and enables reuse across diverse clinical contexts. Its ontology is structured around modular Blueprints (patient, disease and diagnosis, treatment and follow-up, trajectories, safety, pathways, and adverse events), formalized through dedicated conceptual views. These were iteratively refined and validated through expert workshops, questionnaires, and a pilot study in the EU H2020 QUALITOP project with real-world immunotherapy patients. Evaluation confirmed ontology coverage, reasoning correctness, usability, and GDPR compliance. Results demonstrate the PMDT's ability to unify heterogeneous data, operationalize competency questions, and support descriptive, predictive, and prescriptive analytics in a federated, privacy-preserving manner. By bridging gaps in data fragmentation and semantic standardization, the PMDT provides a validated foundation for next-generation digital health ecosystems, transforming chronic care toward proactive, continuously optimized, and equitable management.
• Abstract（参考訳）: パーソナライズされた慢性ケアは、正確で適応的で予防的な意思決定を可能にするために、マルチモーダルな健康データを統合する必要がある。 しかし、現在のデジタルツイン(DT)アプリケーションは、統合されたプライバシ保護基盤が欠如しているため、組織固有の、あるいは独立したデータタイプに結びついている。 本稿では,生理的,心理社会的,行動的,ゲノム的情報を一貫性のある拡張可能なモデルに統合する,サイリコ患者フレームワークのオントロジー駆動型医療デジタルツイン(PMDT)を紹介する。 OWL 2.0で実装されたPMDTは、セマンティック相互運用性を確保し、自動推論をサポートし、さまざまな臨床コンテキストで再利用を可能にする。 オントロジーはモジュラーブループリント(患者、疾患と診断、治療と追跡、軌道、安全、経路、有害事象)を中心に構成されており、専用の概念的視点で定式化されている。 これらは、専門家のワークショップ、アンケート、EU H2020 QUALITOPプロジェクトにおける実際の免疫療法患者のパイロット研究を通じて、反復的に洗練され、検証された。 評価では、オントロジーのカバレッジ、推論の正確性、ユーザビリティ、GDPRコンプライアンスが確認された。 結果は、PMDTが異種データを統一し、有能な質問を運用し、連邦化されたプライバシー保護の方法で記述的、予測的、規範的分析をサポートする能力を示す。 データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代のデジタルヘルスエコシステムの検証された基盤を提供し、慢性的なケアを積極的に、継続的に最適化し、公平な管理へと転換する。

関連論文リスト

• Automated Detection and Mitigation of Dependability Failures in Healthcare Scenarios through Digital Twins [3.188134462843442]
  M-GENGARは、医療用CPSの信頼性を保証するためのクローズドループDigital Twin(DT)パラダイムに基づく方法論である。 M-GENGARは緩和戦略の自動合成をサポートし、DTループ内で実行時のフィードバックと制御を可能にする。 その結果、評価シナリオの87.5%において、正式なゲーム理論分析によって合成された戦略が、少なくとも人間の意思決定と同じくらい効果的に患者のバイタルメトリクスを安定化させることが示されている。
  論文  参考訳（メタデータ） (2026-02-24T15:56:20Z)
• Patient Digital Twins for Chronic Care: Technical Hurdles, Lessons Learned, and the Road Ahead [0.0]
  慢性疾患は世界中で死亡率、死亡率、医療費の主な負担となっている。 患者医療デジタルツインズ(PMDTs)は、臨床、ゲノム、ライフスタイル、およびQOLデータを統合する患者の総体的かつ継続的に更新されたデジタル版である。
  論文  参考訳（メタデータ） (2026-02-11T13:07:00Z)
• Improving Cardiac Risk Prediction Using Data Generation Techniques [37.94487163156369]
  本研究は,実世界の観測と整合したリアルな臨床記録の合成のためのアーキテクチャを提案する。 主な目的は、心的リスク予測モデルの性能を高めるため、利用可能なデータセットのサイズと多様性を高めることである。
  論文  参考訳（メタデータ） (2025-12-19T10:17:00Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• A Comprehensive Survey on Surgical Digital Twin [6.127475970958215]
  手術用デジタルツイン(英: surgery Digital Twins, SDT)は、手術前、手術中、および術後の医療において、意思決定を反映し、予測し、伝達する仮想のツインである。 SDTは、ヘテロジニアスイメージング、キネマティクス、生理学を厳格な遅延予算の下で融合させるという、永続的な課題に直面している。 この調査は、SDTの批判的で構造化されたレビューを提供する。
  論文  参考訳（メタデータ） (2025-10-28T22:13:47Z)
• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Leveraging Generative AI Through Prompt Engineering and Rigorous Validation to Create Comprehensive Synthetic Datasets for AI Training in Healthcare [0.0]
  GPT-4 APIは、この制限を克服するための高品質な合成データセットを生成するために使用された。 得られたデータには、医療提供者の詳細、病院部門、病棟、ベッド割り当て、患者人口統計、緊急連絡先、バイタルサイン、免疫、アレルギー、医療履歴、アポイントメント、病院訪問、検査、診断、治療計画、医療ノート、訪問ログ、退院サマリー、レファラルが含まれていた。
  論文  参考訳（メタデータ） (2025-04-29T16:37:34Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Building Flexible, Scalable, and Machine Learning-ready Multimodal Oncology Datasets [17.774341783844026]
  本研究は、オンコロジーデータシステム(MINDS)のマルチモーダル統合を提案する。 MINDSはフレキシブルでスケーラブルで費用対効果の高いメタデータフレームワークで、公開ソースから異なるデータを効率的に分離する。 MINDSは、マルチモーダルデータを調和させることで、より分析能力の高い研究者を力づけることを目指している。
  論文  参考訳（メタデータ） (2023-09-30T15:44:39Z)
• Modelling Patient Trajectories Using Multimodal Information [0.0]
  本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。 本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
  論文  参考訳（メタデータ） (2022-09-09T10:20:54Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)

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。