論文の概要: CTG-DB: An Ontology-Based Transformation of ClinicalTrials.gov to Enable Cross-Trial Drug Safety Analyses
- arxiv url: http://arxiv.org/abs/2603.15936v1
- Date: Mon, 16 Mar 2026 21:37:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.001108
- Title: CTG-DB: An Ontology-Based Transformation of ClinicalTrials.gov to Enable Cross-Trial Drug Safety Analyses
- Title（参考訳）: CTG-DB: 臨床Trials.govのオントロジーに基づくトランスフォーメーション
- Authors: Jeffery L. Painter, François Haguinet, Andrew Bate,
- Abstract要約: 我々は、CT.gov XMLアーカイブを完全に取り込み、標準化されたAE用語に準拠したリレーショナルデータベースを生成するオープンソースパイプラインであるCTG-DB(CrictorTrials.gov Transformation Database)を提案する。
CTG-DBは、腕レベルの分母を保存し、プラセボとコンパレータの腕を表現し、決定論的精度とファジィマッチングを用いてAE用語を標準化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: ClinicalTrials.gov (CT.gov) is the largest publicly accessible registry of clinical studies, yet its registry-oriented architecture and heterogeneous adverse event (AE) terminology limit systematic pharmacovigilance (PV) analytics. AEs are typically recorded as investigator-reported text rather than standardized identifiers, requiring manual reconciliation to identify coherent safety concepts. We present the ClinicalTrials.gov Transformation Database (CTG-DB), an open-source pipeline that ingests the complete CT.gov XML archive and produces a relational database aligned to standardized AE terminology using the Medical Dictionary for Regulatory Activities (MedDRA). CTG-DB preserves arm-level denominators, represents placebo and comparator arms, and normalizes AE terminology using deterministic exact and fuzzy matching to ensure transparent and reproducible mappings. This framework enables concept-level retrieval and cross-trial aggregation for scalable placebo-referenced safety analyses and integration of clinical trial evidence into downstream PV signal detection.
- Abstract（参考訳）: ClinicalTrials.gov (CT.gov) は、臨床研究の公開可能な最大のレジストリであるが、そのレジストリ指向アーキテクチャと異種有害事象(AE)用語は、系統的な薬物移動(PV)分析を制限する。
AEは通常、標準化された識別子ではなく調査官が報告したテキストとして記録され、一貫性のある安全概念を特定するために手動で和解する必要がある。
我々は、CT.gov XMLアーカイブを完全に取り込み、MedDRA(Medicical Dictionary for Regulatory Activity)を用いて標準化されたAE用語に整合したリレーショナルデータベースを生成するオープンソースパイプラインであるCTG-DBを提案する。
CTG-DBは、腕レベルの分母を保存し、プラセボとコンパレータの腕を表現し、決定論的精度とファジィマッチングを用いてAE用語を正規化し、透過的で再現可能なマッピングを確実にする。
このフレームワークは、スケーラブルなプラセボ参照安全解析のための概念レベルの検索とクロスコートアグリゲーションを可能にし、臨床治験証拠を下流PV信号検出に統合する。
関連論文リスト
- SHIELD: Semantic Heterogeneity Integrated Embedding for Latent Discovery in Clinical Trial Safety Signals [1.8620638885220202]
ShiELDは、臨床試験における安全信号の自動検出と統合化のための新しい手法である。
MedDRA項埋め込みに適用された有害事象項のセマンティッククラスタリングと不均等性解析を組み合わせている。
結果のクラスタには、大きな言語モデルを使用したシンドロームレベルの要約ラベルがアノテートされる。
論文 参考訳（メタデータ） (2026-02-23T13:55:36Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - TGC-Net: A Structure-Aware and Semantically-Aligned Framework for Text-Guided Medical Image Segmentation [56.09179939570486]
本稿では,パラメータ効率,タスク固有適応に着目したCLIPベースのフレームワークであるTGC-Netを提案する。
TGC-Netは、挑戦的なベンチマークで顕著なDiceゲインを含む、トレーニング可能なパラメータをかなり少なくして、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-24T12:06:26Z) - Automated PRO-CTCAE Symptom Selection based on Prior Adverse Event Profiles [1.7573009491327234]
本稿では,過去の安全データに基づいて,最小限かつ包括的なProto-CTCAEサブセットを自動選択する手法を提案する。
有害事象PTの履歴リストに関連のある候補POP項目をそれぞれスコアし,関連性と頻度を実用機能に組み合わせた。
このアプローチは、MedDRAのセマンティクスと履歴データを活用することにより、Proto-CTCAE設計を合理化することができる。
論文 参考訳（メタデータ） (2025-12-07T16:56:27Z) - Knowledge-based Graphical Method for Safety Signal Detection in Clinical Trials [1.6733877161852464]
臨床治験における治療・発疹性有害事象(AE)をレビューするための知識ベース手法を提案する。
このアプローチは、2次元マップ内の用語間のセマンティックな関係をキャプチャする隠れ医療知識層(Safeterm)を追加することで、MedDRAを強化する。
論文 参考訳（メタデータ） (2025-11-24T09:42:58Z) - SNOMED CT-powered Knowledge Graphs for Structured Clinical Data and Diagnostic Reasoning [10.805834750887966]
本稿では,標準化された臨床用語SNOMED CTとNeo4jグラフデータベースを統合し,構造化された医療知識グラフを構築するための知識駆動フレームワークを提案する。
エンティティ-リレーショナルペアの抽出と標準化により、明示的な診断経路を埋め込んだ構造化・フォーマットされたデータセットを生成する。
実験の結果,我々の知識誘導アプローチは,AIによる診断推論の有効性と解釈可能性を高めることが示された。
論文 参考訳（メタデータ） (2025-10-19T15:50:33Z) - Clinically Grounded Agent-based Report Evaluation: An Interpretable Metric for Radiology Report Generation [32.410641778559544]
ICARE (Interpretable and Clinicallygrounded Agent-based Report Evaluation) は、解釈可能な評価フレームワークである。
2つのエージェントは、それぞれが基礎的真実または生成されたレポートを持ち、臨床的に有意義な質問を発生し、互いにクイズする。
スコアを質問応答ペアにリンクすることで、ICAREは透明で解釈可能な評価を可能にする。
論文 参考訳（メタデータ） (2025-08-04T18:28:03Z) - RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。
システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
論文 参考訳（メタデータ） (2025-06-17T03:10:33Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳（メタデータ） (2023-03-08T14:08:56Z) - 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)
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。