論文の概要: Overview of CHIP 2025 Shared Task 2: Discharge Medication Recommendation for Metabolic Diseases Based on Chinese Electronic Health Records
- arxiv url: http://arxiv.org/abs/2511.06230v1
- Date: Sun, 09 Nov 2025 05:11:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-11 21:18:44.824869
- Title: Overview of CHIP 2025 Shared Task 2: Discharge Medication Recommendation for Metabolic Diseases Based on Chinese Electronic Health Records
- Title（参考訳）: CHIP 2025共有タスク2:中国電子健康記録に基づく代謝性疾患に対する退院勧告の概要
- Authors: Juntao Li, Haobin Yuan, Ling Luo, Tengxiao Lv, Yan Jiang, Fan Wang, Ping Zhang, Huiyi Lv, Jian Wang, Yuanyuan Sun, Hongfei Lin,
- Abstract要約: 退院薬の推奨は、治療継続性を確保し、寛容を予防し、長期管理を改善する上で重要な役割を担っている。
本報告では、適切な退院薬を自動的に推奨する最先端のアプローチを開発することを目的とした、CHIP 2025共有タスク2コンペティションの概要について述べる。
合計526チームが登録され、167チームと95チームがそれぞれフェーズAとフェーズBのリーダーボードに有効結果を提出した。
トップパフォーマンスチームは最終テストセットで最高成績を記録し、ジャカードスコアは0.5102、F1スコアは0.6267であった。
- 参考スコア（独自算出の注目度）: 47.67215289515775
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Discharge medication recommendation plays a critical role in ensuring treatment continuity, preventing readmission, and improving long-term management for patients with chronic metabolic diseases. This paper present an overview of the CHIP 2025 Shared Task 2 competition, which aimed to develop state-of-the-art approaches for automatically recommending appro-priate discharge medications using real-world Chinese EHR data. For this task, we constructed CDrugRed, a high-quality dataset consisting of 5,894 de-identified hospitalization records from 3,190 patients in China. This task is challenging due to multi-label nature of medication recommendation, het-erogeneous clinical text, and patient-specific variability in treatment plans. A total of 526 teams registered, with 167 and 95 teams submitting valid results to the Phase A and Phase B leaderboards, respectively. The top-performing team achieved the highest overall performance on the final test set, with a Jaccard score of 0.5102, F1 score of 0.6267, demonstrating the potential of advanced large language model (LLM)-based ensemble systems. These re-sults highlight both the promise and remaining challenges of applying LLMs to medication recommendation in Chinese EHRs. The post-evaluation phase remains open at https://tianchi.aliyun.com/competition/entrance/532411/.
- Abstract（参考訳）: 退院薬の推奨は、治療継続性を確保し、寛解を予防し、慢性代謝性疾患患者の長期管理を改善する上で重要な役割を担っている。
本報告では, 現実の中国語 EHR データを用いた適切な退院薬を自動的に推奨する最先端のアプローチを開発することを目的としたCHIP 2025 Shared Task 2 コンペティションの概要について述べる。
本研究は,中国3,190人の入院記録5,894件からなる高品質なCDrugRedを構築した。
この課題は、治療計画における医薬品推奨の多ラベル性、ヘット不均一な臨床テキスト、患者固有の変動性などにより困難である。
合計526チームが登録され、167チームと95チームがそれぞれフェーズAとフェーズBのリーダーボードに有効結果を提出した。
トップパフォーマンスチームは最終テストセットで最高パフォーマンスを達成し、ジャカードスコア0.5102、F1スコア0.6267、高度大言語モデル(LLM)ベースのアンサンブルシステムの可能性を示した。
これらの再侮辱は、中国の EHR における薬物推奨に LLM を適用するという約束と残りの課題の両方を強調している。
評価後のフェーズはhttps://tianchi.aliyun.com/competition/entrance/532411/で公開されている。
関連論文リスト
- CLIN-LLM: A Safety-Constrained Hybrid Framework for Clinical Diagnosis and Treatment Generation [0.31984926651189866]
LLM(Large Language Model)ベースのシステムは、しばしば医学的な根拠がなく、不確実性を定量化できない。
CLIN-LLMは,マルチモーダル患者エンコーディング,不確実性校正疾患分類,検索・拡張治療生成を統合した安全拘束型ハイブリッドパイプラインである。
論文 参考訳（メタデータ） (2025-10-26T10:11:53Z) - CDrugRed: A Chinese Drug Recommendation Dataset for Discharge Medications in Metabolic Diseases [49.09102662968899]
メタボリックな疾患の治療薬の排出を目的とした,中国初の医薬品推奨データセットであるCDrugRedを提示する。
データセットには3,190人の患者から5,894件の未確認記録が含まれており、患者の人口統計、医療史、臨床経過、退院診断などの包括的情報を含んでいる。
退院医薬品推奨タスクにおいて,いくつかの最先端の大規模言語モデル (LLM) をベンチマークすることでCDrugRedの有用性を評価する。
論文 参考訳（メタデータ） (2025-10-24T01:47:23Z) - Automated Treatment Planning for Interstitial HDR Brachytherapy for Locally Advanced Cervical Cancer using Deep Reinforcement Learning [3.9838929530763076]
本研究の目的は、完全に自動化されたHDRブラキセラピー計画フレームワークを開発することである。
階層的な2段階自動計画フレームワークを提案する。
未確認の患者では、RLベースの自動計画法が平均93.89%を達成し、平均91.86%の臨床計画を上回りました。
論文 参考訳（メタデータ） (2025-06-13T17:07:30Z) - CXR-LT 2024: A MICCAI challenge on long-tailed, multi-label, and zero-shot disease classification from chest X-ray [64.2434525370243]
CXR-LTシリーズは、胸部X線を用いた肺疾患の分類を強化するために設計されたコミュニティ主導のイニシアチブである。
CXR-LT 2024はデータセットを377,110の胸部X線(CXR)と45の疾患ラベルに拡張し、19の新しい稀な疾患の発見を含んでいる。
本稿では、CXR-LT 2024の概要を述べるとともに、データキュレーションプロセスの詳細と最先端ソリューションの統合について述べる。
論文 参考訳（メタデータ） (2025-06-09T17:53:31Z) - MedAlign: A Clinician-Generated Dataset for Instruction Following with
Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。
医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。
我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文 参考訳（メタデータ） (2023-08-27T12:24:39Z) - CUED at ProbSum 2023: Hierarchical Ensemble of Summarization Models [8.237131071390715]
我々は,患者の医療進歩ノートを限られたデータセットで要約する上での課題について考察する。
バイオNLPワークショップ2023における課題リスト要約(Shared Task 1A)では,臨床T5の微調整による765件の診療ノートが,他の抽出的,抽象的,ゼロショットベースラインよりも優れていることを示した。
論文 参考訳（メタデータ） (2023-06-08T16:08:10Z) - Prediction of drug effectiveness in rheumatoid arthritis patients based
on machine learning algorithms [2.5759046095742453]
慢性関節リウマチ(RA)は、患者の免疫系が誤って自身の組織を標的としたときに引き起こされる自己免疫疾患である。
機械学習(ML)は、患者の電子的健康記録のパターンを特定し、患者の結果を改善する最良の臨床治療を予測する可能性がある。
本研究は, 臨床データから情報を取り出すためのデータ処理パイプラインを設計し, 機能的使用のために前処理し, 2) 薬物に対するRA患者の反応を予測し, 分類モデルの性能を評価するためのTNFフレームワークを導入した。
論文 参考訳（メタデータ） (2022-10-14T15:15:37Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳（メタデータ） (2021-11-18T00:43:41Z)
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。