論文の概要: TraceCoder: Towards Traceable ICD Coding via Multi-Source Knowledge Integration

• arxiv url: http://arxiv.org/abs/2510.15267v1
• Date: Fri, 17 Oct 2025 03:08:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.454519
• Title: TraceCoder: Towards Traceable ICD Coding via Multi-Source Knowledge Integration
• Title（参考訳）: TraceCoder: マルチソース知識統合によるトレーサブルICD符号化を目指して
• Authors: Mucheng Ren, He Chen, Yuchen Yan, Danqing Hu, Jun Xu, Xian Zeng,
• Abstract要約: 我々は、CD符号化におけるトレーサビリティと説明可能性を高めるために、マルチソース外部知識を統合するフレームワークであるTraceCoderを提案する。 TraceCoderはUMLS、ウィキペディア、大型言語モデル(LLM)など様々な知識ソースを動的に組み込んで、コード表現の充実、セマンティックギャップの橋渡し、希少かつ曖昧なコードを扱う。 また、ラベル、臨床コンテキスト、知識間の相互作用をモデル化するハイブリッドアテンション機構を導入し、ロングテールコード認識を改善し、それらを外部証拠に根拠付けることによって解釈する。
• 参考スコア（独自算出の注目度）: 12.474362087939456
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automated International Classification of Diseases (ICD) coding assigns standardized diagnosis and procedure codes to clinical records, playing a critical role in healthcare systems. However, existing methods face challenges such as semantic gaps between clinical text and ICD codes, poor performance on rare and long-tail codes, and limited interpretability. To address these issues, we propose TraceCoder, a novel framework integrating multi-source external knowledge to enhance traceability and explainability in ICD coding. TraceCoder dynamically incorporates diverse knowledge sources, including UMLS, Wikipedia, and large language models (LLMs), to enrich code representations, bridge semantic gaps, and handle rare and ambiguous codes. It also introduces a hybrid attention mechanism to model interactions among labels, clinical context, and knowledge, improving long-tail code recognition and making predictions interpretable by grounding them in external evidence. Experiments on MIMIC-III-ICD9, MIMIC-IV-ICD9, and MIMIC-IV-ICD10 datasets demonstrate that TraceCoder achieves state-of-the-art performance, with ablation studies validating the effectiveness of its components. TraceCoder offers a scalable and robust solution for automated ICD coding, aligning with clinical needs for accuracy, interpretability, and reliability.
• Abstract（参考訳）: ICD (Automated International Classification of Diseases) のコーディングは、標準化された診断と手順のコードを臨床記録に割り当て、医療システムにおいて重要な役割を担っている。 しかし、既存の手法では、臨床テキストとICD符号のセマンティック・ギャップ、稀で長いテール符号の性能の低下、解釈可能性の制限といった課題に直面している。 これらの問題に対処するため、我々は、ICD符号化におけるトレーサビリティと説明可能性を高めるために、マルチソース外部知識を統合する新しいフレームワークであるTraceCoderを提案する。 TraceCoderはUMLS、ウィキペディア、大型言語モデル(LLM)など様々な知識ソースを動的に組み込んで、コード表現の充実、セマンティックギャップの橋渡し、希少かつ曖昧なコードを扱う。 また、ラベル、臨床コンテキスト、知識間の相互作用をモデル化するハイブリッドアテンション機構を導入し、ロングテールコード認識を改善し、それらを外部証拠に根拠付けることによって解釈する。 MIMIC-III-ICD9、MIMIC-IV-ICD9、MIMIC-IV-ICD10データセットの実験は、TraceCoderが最先端のパフォーマンスを達成することを示す。 TraceCoderは、自動化されたICDコーディングのためのスケーラブルで堅牢なソリューションを提供する。

関連論文リスト

• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• MKE-Coder: Multi-Axial Knowledge with Evidence Verification in ICD Coding for Chinese EMRs [9.615982382826768]
  本稿では,中国EMRのICD符号化におけるエビデンス検証によるMKE-Coder: Multi-axial Knowledgeを提案する。 診断のための候補コードを特定し,そのそれぞれを4つの符号化軸の下で知識に分類する。 評価モデルを用いて,EMRの包括的内容と信頼性証拠のフィルタリングから,対応する臨床証拠を検索する。
  論文  参考訳（メタデータ） (2025-02-19T08:08:53Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
  マルチモーダルプレトレーニング DEL-Fusion Model (MPDF) 我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。 本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-07T17:32:21Z)
• Exploring LLM Multi-Agents for ICD Coding [15.730751450511333]
  ICD符号化のためのマルチエージェント方式は実世界の符号化プロセスを効果的に模倣し、一般的な符号と稀な符号の両方の性能を向上させる。 提案手法は, 事前学習や微調整を必要とする最先端のICD符号化手法に匹敵する結果を得るとともに, 稀なコード精度, 説明可能性で性能を向上する。
  論文  参考訳（メタデータ） (2024-04-01T15:17:39Z)
• 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)
• 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)
• 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)
• 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。