論文の概要: Automated Generation of Custom MedDRA Queries Using SafeTerm Medical Map

• arxiv url: http://arxiv.org/abs/2512.07694v1
• Date: Mon, 08 Dec 2025 16:33:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.963073
• Title: Automated Generation of Custom MedDRA Queries Using SafeTerm Medical Map
• Title（参考訳）: 安全な医療地図を用いたカスタムMedDRAクエリの自動生成
• Authors: Francois Vandenhende, Anna Georgiou, Michalis Georgiou, Theodoros Psaras, Ellie Karekla, Elena Hadjicosta,
• Abstract要約: 本稿では,医療用語の理解と処理を行う,新しい定量的人工知能システムを提案する。 MedDRA Preferred Terms (PTs) を多閾値統計手法を用いて関連度スコアでランク付けする。 最初に0.60の類似度しきい値が推奨され、洗練された項選択のしきい値が増加する。
• 参考スコア（独自算出の注目度）: 1.6733877161852464
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In pre-market drug safety review, grouping related adverse event terms into standardised MedDRA queries or the FDA Office of New Drugs Custom Medical Queries (OCMQs) is critical for signal detection. We present a novel quantitative artificial intelligence system that understands and processes medical terminology and automatically retrieves relevant MedDRA Preferred Terms (PTs) for a given input query, ranking them by a relevance score using multi-criteria statistical methods. The system (SafeTerm) embeds medical query terms and MedDRA PTs in a multidimensional vector space, then applies cosine similarity and extreme-value clustering to generate a ranked list of PTs. Validation was conducted against the FDA OCMQ v3.0 (104 queries), restricted to valid MedDRA PTs. Precision, recall and F1 were computed across similarity-thresholds. High recall (>95%) is achieved at moderate thresholds. Higher thresholds improve precision (up to 86%). The optimal threshold (~0.70 - 0.75) yielded recall ~50% and precision ~33%. Narrow-term PT subsets performed similarly but required slightly higher similarity thresholds. The SafeTerm AI-driven system provides a viable supplementary method for automated MedDRA query generation. A similarity threshold of ~0.60 is recommended initially, with increased thresholds for refined term selection.
• Abstract（参考訳）: 医薬品の安全性の事前レビューでは、関連する有害事象用語を標準化されたMedDRAクエリまたはFDA新薬カスタムメディカルクエリー(OCMQs)に分類することは、信号検出に不可欠である。 本稿では,医療用語を理解し,処理し,入力クエリに関連するMedDRA優先語(PT)を自動的に検索し,多基準統計手法を用いて関連スコアでランク付けする,新しい定量的人工知能システムを提案する。 このシステム(SafeTerm)は、医療クエリ用語とMedDRA PTを多次元ベクトル空間に埋め込み、コサイン類似性と極値クラスタリングを適用して、PTのランク付けリストを生成する。 FDA OCMQ v3.0 (104クエリ) に対して検証を行い, 有効なMedDRA PTに制限した。 精度、リコール、F1は類似の閾値で計算された。 高リコール(>95%)は適度な閾値で達成される。 より高い閾値は精度(最大86%)を向上させる。 最適しきい値 (~0.70 - 0.75) は、リコール ~50% と精度 ~33% を得た。 Narrow-term PT サブセットも同様に実行されるが、若干高い類似度閾値が必要であった。 SafeTerm AI駆動システムは、自動MedDRAクエリ生成のための実行可能な補完方法を提供する。 ほぼ0.60の類似性しきい値が最初に推奨され、洗練された項選択のしきい値が増加する。

関連論文リスト

• Performance of the SafeTerm AI-Based MedDRA Query System Against Standardised MedDRA Queries [1.6733877161852464]
  MedDRA SMQs上でのSafeTerm Automated Medical Query(AMQ)の性能を評価する。 AMQは医療用語を理解し、処理し、所定の入力クエリに対して関連するMedDRA Preferred Terms(PT)を自動的に取得する。 高リコール(94%)は適度な類似度閾値で達成され、良好な検索感度を示す。 最適しきい値 (0.70) は総リコール率 (48%) と精度 (45%) を全110クエリで達成した。
  論文  参考訳（メタデータ） (2025-12-08T13:32:20Z)
• DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
  大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。 本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
  論文  参考訳（メタデータ） (2025-10-24T08:01:21Z)
• An Automated Retrieval-Augmented Generation LLaMA-4 109B-based System for Evaluating Radiotherapy Treatment Plans [2.2532577733932038]
  我々は,LLaMA-4 109Bを用いた放射線治療計画の自動化,プロトコル認識,解釈可能な評価のためのRAGシステムを開発した。 RAGシステムは5つのSentenceTransformerバックボーンに最適化された検索エンジン、コホート類似性に基づくパーセンタイル予測コンポーネント、臨床制約チェッカーの3つのコアモジュールを統合している。
  論文  参考訳（メタデータ） (2025-09-25T03:18:31Z)
• Scalable Unit Harmonization in Medical Informatics via Bayesian-Optimized Retrieval and Transformer-Based Re-ranking [0.0]
  我々は,大規模臨床データセットにおける一貫性のない単位を調和させるスケーラブルな手法を開発した。 フィルタリング、識別、調和提案生成、自動再ランク付け、手動検証といったマルチステージパイプラインを実装している。 このシステムはランク1で83.39%の精度、ランク5で94.66%のリコールを達成した。
  論文  参考訳（メタデータ） (2025-05-01T19:09:15Z)
• Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
  Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。 異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。 この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
  論文  参考訳（メタデータ） (2024-07-20T12:42:24Z)
• Word-Sequence Entropy: Towards Uncertainty Estimation in Free-Form Medical Question Answering Applications and Beyond [52.246494389096654]
  本稿ではワードシーケンスエントロピー(WSE)を紹介し,単語レベルとシーケンスレベルの不確実性を校正する手法を提案する。 We compare WSE with six baseline method on five free-form medical QA datasets, using 7 popular large language model (LLMs)。
  論文  参考訳（メタデータ） (2024-02-22T03:46:08Z)
• Quality-Based Conditional Processing in Multi-Biometrics: Application to Sensor Interoperability [63.05238390013457]
  2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。 我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。 その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-11-24T12:11:22Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)

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。