論文の概要: LTR-ICD: A Learning-to-Rank Approach for Automatic ICD Coding

• arxiv url: http://arxiv.org/abs/2510.13922v1
• Date: Wed, 15 Oct 2025 11:46:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.545242
• Title: LTR-ICD: A Learning-to-Rank Approach for Automatic ICD Coding
• Title（参考訳）: LTR-ICD: 自動ICD符号化のための学習と学習のアプローチ
• Authors: Mohammad Mansoori, Amira Soliman, Farzaneh Etminani,
• Abstract要約: 臨床ノートには、患者との遭遇時に臨床医が提供した構造化されていないテキストが含まれている。 これらのメモには、通常、国際疾患分類(ICD)に続く一連の診断コードが添付されている。 最先端の手法はこの問題を分類タスクとして扱い、異なる目的に欠かせないICD符号の順序を無視した。
• 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: Clinical notes contain unstructured text provided by clinicians during patient encounters. These notes are usually accompanied by a sequence of diagnostic codes following the International Classification of Diseases (ICD). Correctly assigning and ordering ICD codes are essential for medical diagnosis and reimbursement. However, automating this task remains challenging. State-of-the-art methods treated this problem as a classification task, leading to ignoring the order of ICD codes that is essential for different purposes. In this work, as a first attempt, we approach this task from a retrieval system perspective to consider the order of codes, thus formulating this problem as a classification and ranking task. Our results and analysis show that the proposed framework has a superior ability to identify high-priority codes compared to other methods. For instance, our model accuracy in correctly ranking primary diagnosis codes is 47%, compared to 20% for the state-of-the-art classifier. Additionally, in terms of classification metrics, the proposed model achieves a micro- and macro-F1 scores of 0.6065 and 0.2904, respectively, surpassing the previous best model with scores of 0.597 and 0.2660.
• Abstract（参考訳）: 臨床ノートには、患者との遭遇時に臨床医が提供した構造化されていないテキストが含まれている。 これらのメモには、通常、国際疾患分類(ICD)に続く一連の診断コードが添付されている。 ICD符号の正しい割り当てと順序付けは、医療診断と再支払いに不可欠である。 しかし、このタスクの自動化は依然として困難である。 最先端の手法はこの問題を分類タスクとして扱い、異なる目的に欠かせないICD符号の順序を無視した。 本研究では,まず,この課題を検索システムの観点からアプローチし,コードの順序を考慮し,分類・ランキングタスクとして定式化する。 その結果,提案するフレームワークは,他の手法と比較して高優先度の符号を識別する能力に優れていた。 例えば、一次診断符号を正しくランク付けする際のモデル精度は47%であり、最先端の分類器では20%である。 さらに,分類基準では,0.6065と0.2904のマイクロF1スコアをそれぞれ達成し,0.597と0.2660のベストモデルを上回った。

関連論文リスト

• Pathological Prior-Guided Multiple Instance Learning For Mitigating Catastrophic Forgetting in Breast Cancer Whole Slide Image Classification [50.899861205016265]
  乳癌のWSI分類における破滅的忘れを緩和する新しい枠組みであるPaGMILを提案する。 私たちのフレームワークでは、共通のMILモデルアーキテクチャに2つの重要なコンポーネントを導入しています。 複数の乳がんデータセットを対象としたPaGMILの連続学習性能の評価を行った。
  論文  参考訳（メタデータ） (2025-03-08T04:51:58Z)
• Multi-stage Retrieve and Re-rank Model for Automatic Medical Coding Recommendation [22.323705343864336]
  国際疾患分類(ICD)は、医学的な分類体系である。 ICDインデックスの主な目的は、ICDコードのサブセットを医療記録に割り当てることである。 既存のほとんどのアプローチは、非常に大きなICDコレクションから適切なラベルサブセットを選択することに苦しんだ。
  論文  参考訳（メタデータ） (2024-05-29T13:54:30Z)
• CoRelation: Boosting Automatic ICD Coding Through Contextualized Code Relation Learning [56.782963838838036]
  我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。 提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
  論文  参考訳（メタデータ） (2024-02-24T03:25:28Z)
• Automated clinical coding using off-the-shelf large language models [10.365958121087305]
  診断用ICD符号を患者病院入院に割り当てる作業は、典型的には、熟練した人間のコーダーによって行われる。 自動ICD符号化への取り組みは、教師付きディープラーニングモデルによって支配されている。 本研究では,既製の事前学習型大規模言語モデルを活用し,実用的ソリューションを開発する。
  論文  参考訳（メタデータ） (2023-10-10T11:56:48Z)
• Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review and Replicability Study [60.56194508762205]
  我々は、最先端の医療自動化機械学習モデルを再現し、比較し、分析する。 その結果, 弱い構成, サンプル化の不十分さ, 評価の不十分さなどにより, いくつかのモデルの性能が低下していることが判明した。 再生モデルを用いたMIMIC-IVデータセットの総合評価を行った。
  論文  参考訳（メタデータ） (2023-04-21T11:54:44Z)
• ICDBigBird: A Contextual Embedding Model for ICD Code Classification [71.58299917476195]
  文脈単語埋め込みモデルは、複数のNLPタスクにおいて最先端の結果を得た。 ICDBigBirdは、Graph Convolutional Network(GCN)を統合するBigBirdベースのモデルである。 ICD分類作業におけるBigBirdモデルの有効性を実世界の臨床データセットで実証した。
  論文  参考訳（メタデータ） (2022-04-21T20:59:56Z)
• Medical Code Prediction from Discharge Summary: Document to Sequence BERT using Sequence Attention [0.0]
  ICD符号の自動割り当てにシーケンスアテンション法を用いた変換器(BERT)からの双方向エンコーダ表現に基づくモデルを提案する。 我々はMIMIC-IIIベンチマークデータセットのap-proachを評価した。
  論文  参考訳（メタデータ） (2021-06-15T07:35:50Z)
• TransICD: Transformer Based Code-wise Attention Model for Explainable ICD Coding [5.273190477622007]
  国際疾患分類法 (ICD) は, 医療分野の請求システムにおいて有効かつ重要であることが示されている。 現在、ICDコードは手動で臨床メモに割り当てられており、多くのエラーを引き起こす可能性がある。 本稿では,文書のトークン間の相互依存を捉えるためにトランスフォーマーベースのアーキテクチャを適用し,コードワイド・アテンション・メカニズムを用いて文書全体のコード固有表現を学習する。
  論文  参考訳（メタデータ） (2021-03-28T05:34:32Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。