論文の概要: Symphony for Medical Coding: A Next-Generation Agentic System for Scalable and Explainable Medical Coding
- arxiv url: http://arxiv.org/abs/2603.29709v1
- Date: Tue, 31 Mar 2026 13:11:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.674681
- Title: Symphony for Medical Coding: A Next-Generation Agentic System for Scalable and Explainable Medical Coding
- Title（参考訳）: 医用符号化のためのシンフォニー:スケーラブルで説明可能な医用符号化のための次世代エージェントシステム
- Authors: Joakim Edin, Andreas Motzfeldt, Simon Flachs, Lars Maaløe,
- Abstract要約: 請求書、臨床研究、品質報告の中心であるが、ほとんど手動、遅く、エラーを起こしている。
既存の自動化アプローチでは、ラベル付きデータから固定セットコードを予測することを学び、異なるデータに再トレーニングすることなく、新しいコードや異なるコードシステムへの適応を防止する。
コーディングガイドラインに直接アクセスして臨床物語を推論することで、専門家が行うようにタスクにアプローチするシステムである、医療符号化のためのシンフォニーを導入する。
- 参考スコア（独自算出の注目度）: 2.5906818401243394
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Medical coding translates free-text clinical documentation into standardized codes drawn from classification systems that contain tens of thousands of entries and are updated annually. It is central to billing, clinical research, and quality reporting, yet remains largely manual, slow, and error-prone. Existing automated approaches learn to predict a fixed set of codes from labeled data, thereby preventing adaptation to new codes or different coding systems without retraining on different data. They also provide no explanation for their predictions, limiting trust in safety-critical settings. We introduce Symphony for Medical Coding, a system that approaches the task the way expert human coders do: by reasoning over the clinical narrative with direct access to the coding guidelines. This design allows Symphony to operate across any coding system and to provide span-level evidence linking each predicted code to the text that supports it. We evaluate on two public benchmarks and three real-world datasets spanning inpatient, outpatient, emergency, and subspecialty settings across the United States and the United Kingdom. Symphony achieves state-of-the-art results across all settings, establishing itself as a flexible, deployment-ready foundation for automated clinical coding.
- Abstract（参考訳）: 医学的コーディングは、フリーテキストの臨床文書を、数万のエントリを含み、毎年更新される分類システムから引き出された標準化されたコードに変換する。
請求書、臨床研究、品質報告の中心であるが、ほとんど手動、遅く、エラーを起こしている。
既存の自動化アプローチでは、ラベル付きデータから固定されたコードのセットを予測することを学び、それによって、異なるデータに再トレーニングすることなく、新しいコードや異なるコードシステムへの適応を防止する。
また、彼らの予測の説明も提供せず、安全クリティカルな設定に対する信頼を制限している。
コーディングガイドラインに直接アクセスして臨床物語を推論することで、人間のプログラマーが行うようなタスクにアプローチするシステムである、医療コーディングのためのシンフォニーを導入する。
この設計により、Symphonyは任意のコーディングシステム上で動作し、予測された各コードをそれをサポートするテキストにリンクするスパンレベルのエビデンスを提供することができる。
我々は、米国と英国で、入院、外来、緊急、およびサブ種別設定にまたがる2つの公開ベンチマークと3つの実世界のデータセットを評価した。
Symphonyはあらゆる設定で最先端の結果を達成し、自動化された臨床コーディングのための柔軟でデプロイ可能な基盤としての地位を確立している。
関連論文リスト
- MedDCR: Learning to Design Agentic Workflows for Medical Coding [55.51674334874892]
医療符号化は、フリーテキスト臨床ノートを標準化された診断および手続きコードに変換する。
本稿では,設計を学習問題として扱うクローズドループフレームワークであるMedDCRを提案する。
ベンチマークデータセットでは、MedDCRは最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2025-11-17T13:30:51Z) - Code Like Humans: A Multi-Agent Solution for Medical Coding [13.1324232915195]
Code Like Humans: 大きな言語モデルで医療コーディングを行うための新しいエージェントフレームワークを紹介します。
人間の専門家のための公式なコーディングガイドラインを実装しており、完全なICD-10コーディングシステムをサポートする最初のソリューションである。
希少な診断符号で現在までの最高のパフォーマンスを達成している。
論文 参考訳（メタデータ） (2025-09-04T16:31:38Z) - Automatic Coding at Scale: Design and Deployment of a Nationwide System
for Normalizing Referrals in the Chilean Public Healthcare System [0.0]
本稿では,チリの公共医療システムからの紹介で,疾患を自動的にコードする2段階のシステムを提案する。
具体的には,病名認識のための最新のNERモデルと,これらの疾患名に関連付けられた最も関連性の高いコードを割り当てるための検索エンジンシステムを用いている。
本システムでは,カテゴリレベルのMAPスコアが0.63,カテゴリレベルの0.83を得た。
論文 参考訳（メタデータ） (2023-07-09T16:19:35Z) - A Two-Stage Decoder for Efficient ICD Coding [10.634394331433322]
ICD符号の予測のための2段階復号機構を提案する。
まず、まず親コードを予測し、その子コードを前回の予測に基づいて予測する。
公開MIMIC-IIIデータセット実験により,本モデルが単一モデル設定で良好に動作することを示す。
論文 参考訳（メタデータ） (2023-05-27T17:25:13Z) - Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review
and Replicability Study [60.56194508762205]
我々は、最先端の医療自動化機械学習モデルを再現し、比較し、分析する。
その結果, 弱い構成, サンプル化の不十分さ, 評価の不十分さなどにより, いくつかのモデルの性能が低下していることが判明した。
再生モデルを用いたMIMIC-IVデータセットの総合評価を行った。
論文 参考訳（メタデータ） (2023-04-21T11:54:44Z) - Can Current Explainability Help Provide References in Clinical Notes to
Support Humans Annotate Medical Codes? [53.45585591262433]
本稿では、注意スコアに基づくxRAC-ATTNと、モデルに依存しない知識蒸留に基づくxRAC-KDの2つのアプローチについて説明する。
我々は,xRAC-ATTNが強調した支持エビデンステキストが,xRAC-KDよりも高品質であるのに対して,xRAC-KDは本番環境において潜在的に有利であることを示した。
論文 参考訳（メタデータ） (2022-10-28T04:06:07Z) - 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) - 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) - Learning Contextualized Document Representations for Healthcare Answer
Retrieval [68.02029435111193]
コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。
本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。
我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2020-02-03T15:47:19Z)
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。