論文の概要: AD-CDO: A Lightweight Ontology for Representing Eligibility Criteria in Alzheimer's Disease Clinical Trials

• arxiv url: http://arxiv.org/abs/2511.21724v1
• Date: Thu, 20 Nov 2025 18:21:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.36666
• Title: AD-CDO: A Lightweight Ontology for Representing Eligibility Criteria in Alzheimer's Disease Clinical Trials
• Title（参考訳）: AD-CDO : アルツハイマー病臨床治験における信頼性基準の表現のための軽量オントロジー
• Authors: Zenan Sun, Rashmie Abeysinghe, Xiaojin Li, Xinyue Hu, Licong Cui, Guo-Qiang Zhang, Jiang Bian, Cui Tao,
• Abstract要約: 今回我々は,1500人以上のアルツハイマー病の臨床治験から高周波の概念を抽出した。 我々は、これらを、疾患、メディケーション、診断テスト、処置、社会的決定要因、レーティング基準、妊婦の7つの意味カテゴリーに分類した。 最適化されたAD-CDOは、解釈可能性とコンパクト性を保ちながら、抽出された試行概念の63%以上をカバーした。
• 参考スコア（独自算出の注目度）: 13.06256692148947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective This study introduces the Alzheimer's Disease Common Data Element Ontology for Clinical Trials (AD-CDO), a lightweight, semantically enriched ontology designed to represent and standardize key eligibility criteria concepts in Alzheimer's disease (AD) clinical trials. Materials and Methods We extracted high-frequency concepts from more than 1,500 AD clinical trials on ClinicalTrials.gov and organized them into seven semantic categories: Disease, Medication, Diagnostic Test, Procedure, Social Determinants of Health, Rating Criteria, and Fertility. Each concept was annotated with standard biomedical vocabularies, including the UMLS, OMOP Standardized Vocabularies, DrugBank, NDC, and NLM VSAC value sets. To balance coverage and manageability, we applied the Jenks Natural Breaks method to identify an optimal set of representative concepts. Results The optimized AD-CDO achieved over 63% coverage of extracted trial concepts while maintaining interpretability and compactness. The ontology effectively captured the most frequent and clinically meaningful entities used in AD eligibility criteria. We demonstrated AD-CDO's practical utility through two use cases: (a) an ontology-driven trial simulation system for formal modeling and virtual execution of clinical trials, and (b) an entity normalization task mapping raw clinical text to ontology-aligned terms, enabling consistency and integration with EHR data. Discussion AD-CDO bridges the gap between broad biomedical ontologies and task-specific trial modeling needs. It supports multiple downstream applications, including phenotyping algorithm development, cohort identification, and structured data integration. Conclusion By harmonizing essential eligibility entities and aligning them with standardized vocabularies, AD-CDO provides a versatile foundation for ontology-driven AD clinical trial research.
• Abstract（参考訳）: 目的 この研究は、アルツハイマー病(AD)臨床試験における主要な資格基準概念を表現し、標準化するために設計された、軽量で意味に富んだオントロジーである、臨床トライアルのためのアルツハイマー病共通データ要素オントロジー(AD-CDO)を紹介する。 対象と方法 1500回以上の臨床治験から高頻度な概念を抽出し, 疾患, メディケーション, 診断試験, 処置, 健康決定因子, レーティング基準, 妊婦の7つの意味カテゴリーに分類した。 それぞれの概念は、UMLS、OMOP標準化語彙、ドラッグバンク、NDC、NLM VSAC値セットなど、標準的なバイオメディカル語彙で注釈付けされた。 適用範囲と管理可能性のバランスをとるために,Jenks Natural Breaks法を適用し,代表概念の最適セットを同定した。 その結果,AD-CDOは,解釈性とコンパクト性を維持しつつ,抽出された試行概念の63%以上を達成できた。 オントロジーはAD適性基準で使用される最も頻度が高く臨床的に有意義な物質を効果的に捕獲した。 我々はAD-CDOの実用性を2つのユースケースで実証した。 (a)臨床試験の形式的モデリングとバーチャル実行のためのオントロジー駆動型試行シミュレーションシステム、及び b) 生臨床テキストをオントロジーに整合した用語にマッピングするエンティティ正規化タスクにより, EHRデータとの整合性と統合が可能となる。 AD-CDOは、幅広い生物医学的オントロジーとタスク固有のトライアルモデルの必要性のギャップを埋める。 フェノタイピングアルゴリズムの開発、コホート識別、構造化データ統合など、複数のダウンストリームアプリケーションをサポートしている。 結論 AD-CDOは, 本態性物質を調和させ, 標準化された語彙と整合させることにより, オントロジー駆動型AD臨床試験研究のための汎用的な基盤を提供する。

関連論文リスト

• Multi-Label Clinical Text Eligibility Classification and Summarization System [0.0]
  本稿では,NLP(Natural Language Processing)とLLM(Large Language Models)を利用して,臨床用テキストの適性分類と要約を自動化するシステムを提案する。 このシステムは、ワード埋め込み(Word2Vec)や名前付きエンティティ認識などの特徴抽出手法を組み合わせて、関連する医療概念を識別する。
  論文  参考訳（メタデータ） (2025-10-15T03:21:43Z)
• Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
  大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。 本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。 本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
  論文  参考訳（メタデータ） (2025-10-11T16:24:35Z)
• TrialMatchAI: An End-to-End AI-powered Clinical Trial Recommendation System to Streamline Patient-to-Trial Matching [0.0]
  本稿では,患者間マッチングを自動化するAIを利用したレコメンデーションシステムTrialMatchAIを提案する。 微調整されたオープンソースの大規模言語モデルに基づいて構築されたTrialMatchAIは、透明性を確保し、軽量なデプロイメントフットプリントを維持する。 現実のバリデーションでは、腫瘍学患者の92%が、少なくとも1つの関連するトライアルを、トップ20のレコメンデーションで回収した。
  論文  参考訳（メタデータ） (2025-05-13T12:39:06Z)
• NeuroXVocal: Detection and Explanation of Alzheimer's Disease through Non-invasive Analysis of Picture-prompted Speech [4.815952991777717]
  NeuroXVocalは、音声分析によってアルツハイマー病(AD)の可能性を分類し、説明する新しい二重成分システムである。 分類コンポーネント(Neuro)は、音声パターンと音声特徴をキャプチャする音響特徴、音声書き起こしから抽出したテキスト特徴、言語パターンを表す事前計算された埋め込みの3つの異なるデータストリームを処理する。 説明可能性コンポーネント(XVocal)は、大規模言語モデルとAD研究文献のドメイン固有の知識ベースを組み合わせた、検索・拡張生成(RAG)アプローチを実装している。
  論文  参考訳（メタデータ） (2025-02-14T12:09:49Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
  本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model [0.7373617024876725]
  臨床試験は医薬品の介入を促進するのに不可欠であるが、適格な参加者を選ぶ際にボトルネックに直面している。 構造化されていない医療用テキストの複雑な性質は、参加者を効率的に識別する上での課題である。 本研究では,コホート選択課題に対するプロンプトベース大規模言語モデルの性能評価を目的とした。
  論文  参考訳（メタデータ） (2024-04-24T20:42:28Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• AutoTrial: Prompting Language Models for Clinical Trial Design [53.630479619856516]
  本稿では,言語モデルを用いた臨床検査基準の設計を支援するAutoTrialという手法を提案する。 70K以上の臨床試験で、AutoTrialが高品質な基準テキストを生成することが確認された。
  論文  参考訳（メタデータ） (2023-05-19T01:04:16Z)
• sEHR-CE: Language modelling of structured EHR data for efficient and generalizable patient cohort expansion [0.0]
  sEHR-CEは、異種臨床データセットの統合表現型化と分析を可能にするトランスフォーマーに基づく新しいフレームワークである。 大規模研究である英国バイオバンクのプライマリ・セカンダリ・ケアデータを用いてアプローチを検証する。
  論文  参考訳（メタデータ） (2022-11-30T16:00:43Z)
• 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)

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。