論文の概要: Clinical Data Goes MEDS? Let's OWL make sense of it

• arxiv url: http://arxiv.org/abs/2601.04164v1
• Date: Wed, 07 Jan 2026 18:25:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.229176
• Title: Clinical Data Goes MEDS? Let's OWL make sense of it
• Title（参考訳）: 臨床データがMEDSに? OWLが理解してみましょう
• Authors: Alberto Marfoglia, Jong Ho Jhee, Adrien Coulet,
• Abstract要約: 医療データへの機械学習の適用は、標準化された、意味論的に明示された表現の欠如によってしばしば妨げられる。 医療イベントデータ標準(MEDS)は、最小限のイベント中心のデータモデルを導入することで、これらの問題に対処する。 本稿では,MEDSデータセットをRDFグラフとして表現するために,形式的な概念と関係を提供する軽量オントロジーであるMEDS-OWLを紹介する。
• 参考スコア（独自算出の注目度）: 0.3441021278275805
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The application of machine learning on healthcare data is often hindered by the lack of standardized and semantically explicit representation, leading to limited interoperability and reproducibility across datasets and experiments. The Medical Event Data Standard (MEDS) addresses these issues by introducing a minimal, event-centric data model designed for reproducible machine-learning workflows from health data. However, MEDS is defined as a data-format specification and does not natively provide integration with the Semantic Web ecosystem. In this article, we introduce MEDS-OWL, a lightweight OWL ontology that provides formal concepts and relations to enable representing MEDS datasets as RDF graphs. Additionally, we implemented meds2rdf, a Python conversion library that transforms MEDS events into RDF graphs, ensuring conformance with the ontology. We demonstrate the approach on a synthetic clinical dataset that describes patient care pathways for ruptured intracranial aneurysms and validate the resulting graph using SHACL constraints. The first release of MEDS-OWL comprises 13 classes, 10 object properties, 20 data properties, and 24 OWL axioms. Combined with meds2rdf, it enables data transformation into FAIR-aligned datasets, provenance-aware publishing, and interoperability of event-based clinical data. By bridging MEDS with the Semantic Web, this work contributes a reusable semantic layer for event-based clinical data and establishes a robust foundation for subsequent graph-based analytics.
• Abstract（参考訳）: 医療データへの機械学習の適用は、標準化されたセマンティックな表現の欠如によってしばしば妨げられ、データセットや実験間の相互運用性と再現性が制限される。 医療イベントデータ標準(MEDS)は、健康データから再現可能な機械学習ワークフローを設計した、最小限のイベント中心のデータモデルを導入することで、これらの問題に対処する。 しかし、MEDSはデータフォーマット仕様として定義されており、Semantic Webエコシステムとのネイティブな統合を提供していません。 本稿では,MEDSデータセットをRDFグラフとして表現するために,形式的な概念と関係を提供する軽量OWLオントロジーであるMEDS-OWLを紹介する。 さらに,MEDSイベントをRDFグラフに変換するPython変換ライブラリであるmeds2rdfを実装した。 破裂した頭蓋内動脈瘤の患者ケア経路を記述し,SHACL制約を用いて得られたグラフを検証した。 MEDS-OWLの最初のリリースは13のクラス、10のオブジェクトプロパティ、20のデータプロパティ、24のOWL公理を含む。 meds2rdfと組み合わせることで、FAIRに準拠したデータセットへのデータ変換、証明対応パブリッシング、イベントベースの臨床データの相互運用性が可能になる。 本研究は,MEDSをセマンティックWebにブリッジすることで,イベントベースの臨床データに対して再利用可能なセマンティックレイヤを提供し,その後のグラフベースの分析のための堅牢な基盤を確立する。

関連論文リスト

• Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference [89.5628648718851]
  因果推論は医療介入の開発と評価に不可欠である。 現実の医療データセットは、規制障壁のためアクセスが難しいことが多い。 本稿では,医学における治療効果分析のための新しい合成データ生成法STEAMを提案する。
  論文  参考訳（メタデータ） (2025-10-21T16:16:00Z)
• Representation Learning of Lab Values via Masked AutoEncoders [2.785172582119726]
  逐次的な実験値の計算のためのトランスフォーマーベースのマスク付きオートエンコーダフレームワークであるLab-MAEを提案する。 Lab-MAEは、患者の人口集団間で同等のパフォーマンスを達成し、臨床予測において公平性を向上させる。
  論文  参考訳（メタデータ） (2025-01-05T20:26:49Z)
• ACES: Automatic Cohort Extraction System for Event-Stream Datasets [1.9338569571933975]
  医療における機械学習(ML)において、再現性は依然として重要な課題である。 イベントストリームデータを対象とした自動コホート抽出システム(ACES)を提案する。 ACESは、表現中のMLタスクを定義するためのエントリの障壁を著しく低くする可能性がある。
  論文  参考訳（メタデータ） (2024-06-28T04:48:05Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Interpretable Medical Diagnostics with Structured Data Extraction by Large Language Models [59.89454513692417]
  タブラルデータはしばしばテキストに隠され、特に医学的診断報告に使用される。 本稿では,TEMED-LLM と呼ばれるテキスト医療報告から構造化表状データを抽出する手法を提案する。 本手法は,医学診断における最先端のテキスト分類モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:12:28Z)
• Unsupervised pre-training of graph transformers on patient population graphs [48.02011627390706]
  異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。 自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
  論文  参考訳（メタデータ） (2022-07-21T16:59:09Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)

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。