論文の概要: HypeMed: Enhancing Medication Recommendations with Hypergraph-Based Patient Relationships

• arxiv url: http://arxiv.org/abs/2603.18459v1
• Date: Thu, 19 Mar 2026 03:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.943179
• Title: HypeMed: Enhancing Medication Recommendations with Hypergraph-Based Patient Relationships
• Title（参考訳）: HypeMed: ハイパーグラフに基づく患者関係による医薬勧告の強化
• Authors: Xiangxu Zhang, Xiao Zhou, Hongteng Xu, Jianxun Lian,
• Abstract要約: HypeMedは2段階のハイパーグラフベースのフレームワークで、ビジット内コヒーレンスモデリングとビジット間の拡張を統合している。 第一段階では、MedRepは知識を意識した対照的な事前トレーニングを通じて、臨床訪問をハイパーエッジとしてエンコードし、グローバルに一貫した検索フレンドリーな埋め込みスペースを作り出す。 第2段階では、SimMRはこの領域内で動的検索を行い、検索された参照を患者の経時的データと融合させ、薬の予測を洗練させる。
• 参考スコア（独自算出の注目度）: 42.256653836522936
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Medication recommendations aim to generate safe and effective medication sets from health records. However, accurately recommending medications hinges on inferring a patient's latent clinical condition from sparse and noisy observations, which requires both (i) preserving the visit-level combinatorial semantics of co-occurring entities and (ii) leveraging informative historical references through effective, visit-conditioned retrieval. Most existing methods fall short in one of both aspects: graph-based modeling often fragments higher-order intra-visit patterns into pairwise relations, while inter-visit augmentation methods commonly exhibit an imbalance between learning a globally stable representation space and performing dynamic retrieval within it. To address these limitations, this paper proposes HypeMed, a two-stage hypergraph-based framework unifying intra-visit coherence modeling and inter-visit augmentation. HypeMed consists of two core modules: MedRep for representation pre-training, and SimMR for similarity-enhanced recommendation. In the first stage, MedRep encodes clinical visits as hyperedges via knowledge-aware contrastive pre-training, creating a globally consistent, retrieval-friendly embedding space. In the second stage, SimMR performs dynamic retrieval within this space, fusing retrieved references with the patient's longitudinal data to refine medication prediction. Evaluation on real-world benchmarks shows that HypeMed outperforms state-of-the-art baselines in both recommendation precision and DDI reduction, simultaneously enhancing the effectiveness and safety of clinical decision support.
• Abstract（参考訳）: 医薬品推奨は、健康記録から安全で効果的な医薬品セットを作成することを目的としている。 しかし、患者の潜伏する臨床症状をスパースとノイズの両方から推測する薬を正確に推奨することは、どちらも必要である。 一 共起実体の来訪レベルの組合せ的意味論を保存すること。 二 効果的な訪問条件検索による情報的歴史資料の活用 グラフベースのモデリングは、高階の視線内パターンをペア関係に断片化することが多いが、視線間拡張法は、大域的に安定な表現空間の学習と、その内部の動的検索との不均衡を示すのが一般的である。 本稿では,2段階のハイパーグラフベースフレームワークであるHypeMedを提案する。 HypeMedは2つのコアモジュールで構成されている。 第一段階では、MedRepは知識を意識した対照的な事前トレーニングを通じて、臨床訪問をハイパーエッジとしてエンコードし、グローバルに一貫した検索フレンドリーな埋め込みスペースを作り出す。 第2段階では、SimMRはこの領域内で動的検索を行い、検索された参照を患者の経時的データと融合させ、薬の予測を洗練させる。 実世界のベンチマークでは,HypeMedは推奨精度とDDI削減の両面で最先端のベースラインを上回り,臨床意思決定支援の有効性と安全性を同時に向上している。

関連論文リスト

• Towards Reliable Medical LLMs: Benchmarking and Enhancing Confidence Estimation of Large Language Models in Medical Consultation [97.36081721024728]
  本稿では,現実的な医療相談におけるマルチターンインタラクションの信頼性を評価するための最初のベンチマークを提案する。 本ベンチマークでは,3種類の医療データを統合し,診断を行う。 本稿では,エビデンスを基盤とした言語自己評価フレームワークであるMedConfを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T04:51:39Z)
• MedAlign: A Synergistic Framework of Multimodal Preference Optimization and Federated Meta-Cognitive Reasoning [52.064286116035134]
  我々はMed-VQA(Med-VQA)のための視覚的LVLM応答を保証するフレームワークであるMedAlignを開発した。 まず、優先学習を視覚的コンテキストに合わせるために、マルチモーダルな直接選好最適化(mDPO)の目的を提案する。 次に、画像とテキストの類似性を生かし、クエリを専門的でコンテキスト拡張されたLVLMにルーティングする検索型混合処理(RA-MoE)アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2025-10-24T02:11:05Z)
• HiRef: Leveraging Hierarchical Ontology and Network Refinement for Robust Medication Recommendation [17.45722229030237]
  我々は、ロバストメディカルレコメンデーション(HiRef)のための階層的オントロジーとネットワークリファインメントを提案する。 我々は、自然に木のような関係を捉え、共有された祖先を通して知識の伝達を可能にする双曲空間に実体を埋め込む。 本モデルは,EMHベンチマーク(MIMIC-IIIおよびMIMIC-IV)において高い性能を達成し,シミュレーションできないコード設定下で高い精度を維持する。
  論文  参考訳（メタデータ） (2025-08-14T07:55:03Z)
• Contrastive Learning on Medical Intents for Sequential Prescription Recommendation [7.780844394603662]
  Attentive Recommendation with Contrasted Intents (ARCI) は、異なるが共存する時間的経路を、共通の訪問シーケンスで捉えるように設計されている。 評価基準と分類基準の両方を用いて,2つの実世界のデータセットを処方勧告タスクとして実験した。
  論文  参考訳（メタデータ） (2024-08-13T20:10:28Z)
• StratMed: Relevance Stratification between Biomedical Entities for Sparsity on Medication Recommendation [9.296433860766165]
  StratMedは、長い尾の問題を克服し、スパースデータの完全な学習を実現する成層戦略である。 また、薬品の組み合わせの安全性と正確性に関する相互制約の問題に対処するために、デュアルプロパティネットワークを利用する。 本モデルでは,安全性リスクを15.08%削減し,精度を0.36%向上し,トレーニング時間消費を81.66%削減する。
  論文  参考訳（メタデータ） (2023-08-31T14:59:32Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• 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)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。