論文の概要: A Hybrid Knowledge-Grounded Framework for Safety and Traceability in Prescription Verification

• arxiv url: http://arxiv.org/abs/2603.10891v1
• Date: Wed, 11 Mar 2026 15:35:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:33.034087
• Title: A Hybrid Knowledge-Grounded Framework for Safety and Traceability in Prescription Verification
• Title（参考訳）: 入力検証における安全性とトレーサビリティのためのハイブリッドな知識収集フレームワーク
• Authors: Yichi Zhu, Kan Ling, Xu Liu, Hengrun Zhang, Huiqun Yu, Guisheng Fan,
• Abstract要約: PharmGraph-Auditorは,安全かつエビデンスを前提とした処方薬監査のための新しいシステムである。 我々のシステムの中核は、仮想知識グラフパラダイムの下で実装された、信頼できるハイブリッド医薬品知識ベース(HPKB)である。 監査のために,信頼性の低いジェネレータから透明な推論エンジンにLLMを変換する新しい推論パラダイムであるKBグラウンド・オブ・バリデーション(CoV)を導入する。
• 参考スコア（独自算出の注目度）: 7.782616091483888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medication errors pose a significant threat to patient safety, making pharmacist verification (PV) a critical, yet heavily burdened, final safeguard. The direct application of Large Language Models (LLMs) to this zero-tolerance domain is untenable due to their inherent factual unreliability, lack of traceability, and weakness in complex reasoning. To address these challenges, we introduce PharmGraph-Auditor, a novel system designed for safe and evidence-grounded prescription auditing. The core of our system is a trustworthy Hybrid Pharmaceutical Knowledge Base (HPKB), implemented under the Virtual Knowledge Graph (VKG) paradigm. This architecture strategically unifies a relational component for set constraint satisfaction and a graph component for topological reasoning via a rigorous mapping layer. To construct this HPKB, we propose the Iterative Schema Refinement (ISR) algorithm, a framework that enables the co-evolution of both graph and relational schemas from medical texts. For auditing, we introduce the KB-grounded Chain of Verification (CoV), a new reasoning paradigm that transforms the LLM from an unreliable generator into a transparent reasoning engine. CoV decomposes the audit task into a sequence of verifiable queries against the HPKB, generating hybrid query plans to retrieve evidence from the most appropriate data store. Experimental results demonstrate robust knowledge extraction capabilities and show promises of using PharmGraph-Auditor to enable pharmacists to achieve safer and faster prescription verification.
• Abstract（参考訳）: 服薬ミスは患者の安全に重大な脅威となり、薬剤師の検証(PV)は重く重く、最終的な安全を守る。 大規模言語モデル(LLM)のこのゼロトレランス領域への直接的な適用は、その固有の事実的信頼性の欠如、トレーサビリティの欠如、複雑な推論の弱点のために、不可能である。 これらの課題に対処するために,安全かつエビデンスの高い処方薬監査を目的とした新しいシステムであるPharmGraph-Auditorを導入する。 我々のシステムの中核は、仮想知識グラフ(VKG)パラダイムの下で実装された、信頼できるハイブリッド医薬品知識ベース(HPKB)である。 このアーキテクチャは、制約満足度設定のための関係成分と、厳密なマッピング層を介してトポロジ的推論のためのグラフ成分とを戦略的に統一する。 このHPKBを構築するために,医用テキストからのグラフスキーマと関係スキーマの共進化を可能にするIterative Schema Refinement (ISR)アルゴリズムを提案する。 監査のために,信頼性の低いジェネレータから透明な推論エンジンにLLMを変換する新しい推論パラダイムであるKBグラウンド・オブ・バリデーション(CoV)を導入する。 CoVは監査タスクをHPKBに対する検証可能なクエリのシーケンスに分解し、最も適切なデータストアから証拠を取得するためのハイブリッドクエリプランを生成する。 実験結果は、堅牢な知識抽出能力を示し、薬剤師がより安全で高速な処方の検証を行えるようにPharmGraph-Auditorを使用することの約束を示す。

関連論文リスト

• Semantic Risk Scoring of Aggregated Metrics: An AI-Driven Approach for Healthcare Data Governance [0.0]
  大規模医療機関は通常、複数のビジネスインテリジェンス(BI)チームを運営している。 HIPAA、FERPA、IRBの制限のため、これらのチームは分析に必要な患者レベルのデータを共有するという課題に直面している。 事前計算されたプライバシに準拠した要約である計量集計表が提案されている。
  論文  参考訳（メタデータ） (2026-03-09T03:36:11Z)
• Compliance as a Trust Metric [1.0264137858888513]
  本稿では,規制コンプライアンスを定量的かつダイナミックな信頼度として運用することで,この研究ギャップを埋める。 私たちのコントリビューションは、各違反の深刻度を、そのボリューム、時間、ブレッドス、臨界度など、複数の次元に沿って評価する定量的モデルです。 人工病院のデータセット上でACEを評価し,複雑なHIPAAおよびHIPAA違反を正確に検出できることを実証した。
  論文  参考訳（メタデータ） (2026-01-03T21:14:40Z)
• Robust Verification of Controllers under State Uncertainty via Hamilton-Jacobi Reachability Analysis [49.31947916567367]
  Hamilton-Jacobi (J) リーチビリティ解析は、最悪の不確実性の下で最適なリーチビリティを計算できる一般的な非線形システムに対する一般的な形式的検証ツールである。 この作業は、HJローバーを介してRobust Verification Controllersのための、HJベースのリーチビリティベースのシステム検証フレームワークである。 本稿では,Ro-CoReの安全性検証とコントローラ設計のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-11-18T18:55:20Z)
• PGCLODA: Prompt-Guided Graph Contrastive Learning for Oligopeptide-Infectious Disease Association Prediction [11.867921399312701]
  感染性疾患は公衆衛生に深刻な脅威を与え続けており、効果的な計算アプローチに対する緊急の必要性を浮き彫りにしている。 本研究では,グラフに基づくコントラスト学習フレームワーク(PGODA)を導入し,潜在的な関連を明らかにする。 ケーススタディは、PGODAの能力と、新規で生物学的に関連する関連性を明らかにする可能性をさらに検証する。
  論文  参考訳（メタデータ） (2025-09-24T16:25:13Z)
• Towards a rigorous evaluation of RAG systems: the challenge of due diligence [39.577682622066256]
  生成的AIの台頭は、医療や金融といったリスクの高い分野に大きな進歩をもたらした。 Retrieval-Augmented Generation (RAG)アーキテクチャは、言語モデル(LLM)と検索エンジンを組み合わせたもので、特に文書コーパスから応答を生成する能力で有名である。 本研究では、投資ファンドのデューディリジェンスに使用されるRAGシステムを評価する。
  論文  参考訳（メタデータ） (2025-07-29T12:33:16Z)
• Tripartite-GraphRAG via Plugin Ontologies [0.011161220996480647]
  大規模言語モデル(LLM)は、様々な領域で顕著な能力を示してきたが、知識集約的なタスクに苦戦している。 主な制限は、幻覚の傾向、ソーストレーサビリティの欠如(証明)、タイムリーな知識更新における課題である。 本稿では,LLMと三部構造知識グラフ表現を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-28T10:43:35Z)
• Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
  大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
  論文  参考訳（メタデータ） (2024-07-17T07:44:18Z)
• Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks [50.87615167799367]
  グラフニューラルネットワーク(GNN)は、特定のグラフのノード特徴をターゲットとして、バックドアを含む有毒な攻撃に対して認証する。 コンボリューションベースのGNNとPageRankベースのGNNの最悪の動作におけるグラフ構造の役割とその接続性に関する基本的な知見を提供する。
  論文  参考訳（メタデータ） (2024-07-15T16:12:51Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)

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。