論文の概要: Automatic Cardiac Risk Management Classification using large-context Electronic Patients Health Records
- arxiv url: http://arxiv.org/abs/2603.09685v1
- Date: Tue, 10 Mar 2026 13:55:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:24.35213
- Title: Automatic Cardiac Risk Management Classification using large-context Electronic Patients Health Records
- Title（参考訳）: 大コンテキスト電子患者健康記録を用いた自動心リスク管理分類
- Authors: Jacopo Vitale, David Della Morte, Luca Bacco, Mario Merone, Mark de Groot, Saskia Haitjema, Leandro Pecchia, Bram van Es,
- Abstract要約: 本研究では,非構造化電子健康記録を利用した自動分類フレームワークを提案する。
オランダの縦断的臨床物語に3つの異なるモデリングパラダイムをベンチマークした。
分析の結果,カスタムトランスフォーマーアーキテクチャは従来の手法と生成的アセルムの両方に優れていたことが判明した。
- 参考スコア（独自算出の注目度）: 1.4286777444841858
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To overcome the limitations of manual administrative coding in geriatric Cardiovascular Risk Management, this study introduces an automated classification framework leveraging unstructured Electronic Health Records (EHRs). Using a dataset of 3,482 patients, we benchmarked three distinct modeling paradigms on longitudinal Dutch clinical narratives: classical machine learning baselines, specialized deep learning architectures optimized for large-context sequences, and general-purpose generative Large Language Models (LLMs) in a zero-shot setting. Additionally, we evaluated a late fusion strategy to integrate unstructured text with structured medication embeddings and anthropometric data. Our analysis reveals that the custom Transformer architecture outperforms both traditional methods and generative \acs{llm}s, achieving the highest F1-scores and Matthews Correlation Coefficients. These findings underscore the critical role of specialized hierarchical attention mechanisms in capturing long-range dependencies within medical texts, presenting a robust, automated alternative to manual workflows for clinical risk stratification.
- Abstract（参考訳）: 高齢者心血管リスクマネジメントにおける手動による管理コーディングの限界を克服するために,非構造化電子健康記録(EHR)を活用した自動分類フレームワークを提案する。
3,482人の患者のデータセットを用いて、従来の機械学習ベースライン、大規模コンテキストシーケンスに最適化された専門的なディープラーニングアーキテクチャ、ゼロショット環境で汎用的な大規模言語モデル(LLM)の3つの異なるモデリングパラダイムをベンチマークした。
さらに,非構造化テキストと構造化医薬品の埋め込みと人文計測データを統合するための後期融合戦略を評価した。
分析の結果、カスタムトランスフォーマーアーキテクチャは従来の手法と生成的な \acs{llm} の両方より優れており、最高F1スコアとマシューズ相関係数を達成できることがわかった。
これらの知見は、臨床リスク層化のための手動ワークフローに代わる、堅牢で自動化された代替手段を提示し、医療テキスト内の長距離依存関係を捕捉する上で、特殊な階層的注意機構が重要な役割を担っていることを裏付けるものである。
関連論文リスト
- BEAT-Net: Injecting Biomimetic Spatio-Temporal Priors for Interpretable ECG Classification [1.3909285316906435]
BEAT-NetはTokenizationフレームワークを用いたバイオミメティックECG分析である。
局所的なビート形態を抽出する特殊なエンコーダによって心臓生理を分解する。
例外的なデータ効率を示し、注釈付きデータの30～35%しか使用せずに、完全に教師付きのパフォーマンスを回復する。
論文 参考訳（メタデータ） (2026-01-12T08:37:47Z) - CNSight: Evaluation of Clinical Note Segmentation Tools [3.673249612734457]
また,MIMIC-IVから得られた1000音符のキュレートデータセットを用いて,ルールベースベースベースライン,ドメイン固有トランスフォーマーモデル,および臨床ノートセグメンテーションのための大規模言語モデルの評価を行った。
GPT-5-miniは文レベルと自由テキストセグメンテーションで平均72.4のF1に達する。
論文 参考訳（メタデータ） (2025-12-28T05:40:15Z) - Leveraging LLMs for Structured Data Extraction from Unstructured Patient Records [0.0]
手動チャートのレビューは、臨床研究において非常に時間がかかり、資源集約的な要素である。
局所展開型大規模言語モデル(LLM)を利用した臨床ノートからの自動特徴抽出のためのフレームワークを提案する。
このフレームワークは、手動のチャートレビューの負担を軽減し、データキャプチャの一貫性を向上させるLLMシステムの可能性を示す。
論文 参考訳（メタデータ） (2025-12-03T14:10:12Z) - DCL-SE: Dynamic Curriculum Learning for Spatiotemporal Encoding of Brain Imaging [9.252889721110503]
時間近似(DaSE)のための動的カリキュラム学習を導入する
ランクプール符号化を利用して、3次元の脳データを情報に富んだ2次元の動的表現に符号化する。
我々は、動的グループによって指導されたカリキュラム学習戦略を用いてデコーダを訓練する。
DaSEは、精度、予測、解釈可能性において既存の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2025-11-19T06:10:31Z) - Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。
情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
論文 参考訳（メタデータ） (2025-07-02T07:45:22Z) - Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。
包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
論文 参考訳（メタデータ） (2025-05-30T14:42:02Z) - Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳（メタデータ） (2024-01-11T19:07:58Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳（メタデータ） (2023-07-25T09:48:13Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z) - 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。