論文の概要: Enhancing Clinical Note Generation with ICD-10, Clinical Ontology Knowledge Graphs, and Chain-of-Thought Prompting Using GPT-4

• arxiv url: http://arxiv.org/abs/2512.05256v1
• Date: Thu, 04 Dec 2025 21:12:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.814373
• Title: Enhancing Clinical Note Generation with ICD-10, Clinical Ontology Knowledge Graphs, and Chain-of-Thought Prompting Using GPT-4
• Title（参考訳）: GPT-4を用いたICD-10, 臨床オントロジー知識グラフ, チェーン・オブ・シート・プロンプトによる臨床ノートの作成
• Authors: Ivan Makohon, Mohamad Najafi, Jian Wu, Mathias Brochhausen, Yaohang Li,
• Abstract要約: 過去10年間で、米国における電子健康記録データの急増は、2009年保健医療情報技術法(HITECH)と2016年21世紀キュリーズ法(21世紀キュリーズ法)によって作成された好都合な政策環境に起因する。 患者の評価、診断、治療のための臨床ノートは、医師によって自由形式のテキストでこれら EHR に記録され、医師はそれらを入力して編集するのにかなりの時間を費やしている。 大型言語モデル(LLM)は、人間が書いたものに近いニュース記事を生成する能力を持っている。
• 参考スコア（独自算出の注目度）: 3.93987748643305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the past decade a surge in the amount of electronic health record (EHR) data in the United States, attributed to a favorable policy environment created by the Health Information Technology for Economic and Clinical Health (HITECH) Act of 2009 and the 21st Century Cures Act of 2016. Clinical notes for patients' assessments, diagnoses, and treatments are captured in these EHRs in free-form text by physicians, who spend a considerable amount of time entering and editing them. Manually writing clinical notes takes a considerable amount of a doctor's valuable time, increasing the patient's waiting time and possibly delaying diagnoses. Large language models (LLMs) possess the ability to generate news articles that closely resemble human-written ones. We investigate the usage of Chain-of-Thought (CoT) prompt engineering to improve the LLM's response in clinical note generation. In our prompts, we use as input International Classification of Diseases (ICD) codes and basic patient information. We investigate a strategy that combines the traditional CoT with semantic search results to improve the quality of generated clinical notes. Additionally, we infuse a knowledge graph (KG) built from clinical ontology to further enrich the domain-specific knowledge of generated clinical notes. We test our prompting technique on six clinical cases from the CodiEsp test dataset using GPT-4 and our results show that it outperformed the clinical notes generated by standard one-shot prompts.
• Abstract（参考訳）: 過去10年間で、米国の電子健康記録(EHR)データの急増は、2009年保健医療情報技術法(HITECH)と2016年21世紀カーズ法(21世紀カーズ法)によって作成された好都合な政策環境に起因している。 患者の評価、診断、治療のための臨床ノートは、医師によって自由形式のテキストでこれら EHR に記録され、医師はそれらを入力して編集するのにかなりの時間を費やしている。 手書きの臨床メモを書くには、医師の貴重な時間を要し、患者の待ち時間を増やし、診断を遅らせる可能性がある。 大型言語モデル(LLM)は、人間が書いたものに近いニュース記事を生成する能力を持っている。 臨床ノート作成におけるLCMの反応を改善するために,CoT (Chain-of-Thought) の使用について検討した。 インプットはICD(International Classification of Diseases)コードと基本的な患者情報である。 本研究は,従来のCoTとセマンティック検索を併用して生成した臨床ノートの品質を向上する戦略について検討する。 さらに、臨床オントロジーから構築した知識グラフ(KG)を注入し、生成された臨床ノートのドメイン固有の知識をさらに強化する。 GPT-4を用いたCodiEspテストデータセットから,6症例を対象にプロンプト法を検証したところ,通常のワンショットプロンプトによる臨床記録よりも優れた成績を示した。

関連論文リスト

• Towards Scalable SOAP Note Generation: A Weakly Supervised Multimodal Framework [2.628362851671667]
  皮膚癌は世界中で最も多いがんであり、年間医療費は80億ドルを超えている。 本稿では,病変画像やスパーステキストを含む限られた入力から臨床構造化されたSOAPノートを生成するための弱教師付きマルチモーダルフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-12T03:33:46Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。 本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。 その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• Improving Clinical Note Generation from Complex Doctor-Patient Conversation [20.2157016701399]
  大言語モデル(LLM)を用いた臨床ノート作成分野への3つの重要な貢献について述べる。 まず、CliniKnoteを紹介します。CliniKnoteは、1200の複雑な医師と患者との会話と、その全臨床ノートを組み合わせたデータセットです。 第2に,従来のSOAPcitepodder20soap(Subjective, Objective, Assessment, Plan)のメモを上位にキーワードセクションを追加することで,必須情報の迅速な識別を可能にするK-SOAPを提案する。 第3に、医師と患者との会話からK-SOAPノートを生成する自動パイプラインを開発し、様々な近代LCMをベンチマークする。
  論文  参考訳（メタデータ） (2024-08-26T18:39:31Z)
• Towards Adapting Open-Source Large Language Models for Expert-Level Clinical Note Generation [19.08691249610632]
  本研究では,オープンソースのLLaMA-213億パラメータモデルに対する包括的ドメイン・タスク特化プロセスを提案する。 我々のプロセスには、AIと人間のフィードバックの両方から、継続的な事前トレーニング、教師付き微調整、強化学習が組み込まれています。 得られたLLaMA-Clinicは,医師が作成したものと同等の精度で臨床記録を作成できる。
  論文  参考訳（メタデータ） (2024-04-25T15:34:53Z)
• Conceptualizing Machine Learning for Dynamic Information Retrieval of Electronic Health Record Notes [6.1656026560972]
  本研究は、特定の臨床コンテキストにおける注記関連性の監督源として、機械学習におけるEHR監査ログの使用を概念化したものである。 本手法は,個々のノート作成セッションでどのノートが読み込まれるかを予測するために0.963のAUCを実現できることを示す。
  論文  参考訳（メタデータ） (2023-08-09T21:04:19Z)
• Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
  本稿では,Re$3$Writer法を提案する。 本手法が患者の退院指示生成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:34:39Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• Human Evaluation and Correlation with Automatic Metrics in Consultation Note Generation [56.25869366777579]
  近年,機械学習モデルによる臨床相談ノートの作成が急速に進んでいる。 5人の臨床医が57件のモック・コンサルテーションを聴き、自作のノートを書き、自動的に生成されたノートを編集し、全てのエラーを抽出する、広範囲にわたる人的評価研究を行った。 単純な文字ベースのLevenshtein距離測定は、BertScoreのような一般的なモデルベースの測定値に比較して、同等に動作します。
  論文  参考訳（メタデータ） (2022-04-01T14:04:16Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)

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。