論文の概要: EPPC-OASIS: Ontology-Aware Adaptation and Structured Inference Refinement for Electronic Patient-Provider Communication Mining in Secure Messages

• arxiv url: http://arxiv.org/abs/2605.24172v1
• Date: Fri, 22 May 2026 19:45:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.662333
• Title: EPPC-OASIS: Ontology-Aware Adaptation and Structured Inference Refinement for Electronic Patient-Provider Communication Mining in Secure Messages
• Title（参考訳）: EPPC-OASIS: セキュアメッセージにおける電子患者提供者通信マイニングのためのオントロジー・アウェア適応と構造化推論再構成
• Authors: Samah Fodeh, Sreeraj Ramachandran, Elyas Irankhah, Muhammad Arif, Afshan Khan, Ganesh Puthiaraju, Linhai Ma, Srivani Talakokkul, Jordan Alpert, Sarah Schellhorn,
• Abstract要約: 構造化EPPC抽出のためのオントロジー対応手法EPPC-OASISを開発した。 EPPC-OASISは、ワッサーシュタインアライメント目的の微調整を監督する。 セキュアな患者支援メッセージの非特定コーパス上でのフレームワークの評価を行った。
• 参考スコア（独自算出の注目度）: 0.3053362461558696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Secure patient-provider messages contain clinically important communication behaviors that are difficult to characterize manually at scale. The Electronic Patient-Provider Communication (EPPC) framework provides an ontology for coding these behaviors, but automated extraction remains challenging because predictions must preserve fine-grained code/sub-code structure while grounding annotations in message text. We developed EPPC-OASIS, an ontology-aware adaptation approach for structured EPPC extraction, and combined it with deployable inference-refinement procedures designed to improve the coherence of final annotations. EPPC-OASIS augments supervised fine-tuning with a Wasserstein alignment objective that encourages alignment between model representation neighborhoods and EPPC ontology-derived neighborhoods, while inference refinement uses verification, self-consistency, hybrid correction, and selection or ensembling to address residual prediction errors. We evaluated the framework on a de-identified corpus of secure patient-provider messages against prompting, supervised fine-tuning, preference-based, and robustness-oriented baselines across multiple open-weight language models. Across model families, the best deployable pipeline achieved 77.13% Code+Sub-code F1 and 63.83% Triplet F1, corresponding to modest but consistent absolute gains of +1.39 and +2.12 F1 points over the strongest supervised fine-tuning baseline. These results suggest that ontology-aware adaptation with structured inference refinement can support scalable retrospective EPPC mining, although external validation is needed before operational use.
• Abstract（参考訳）: セキュアな患者支援メッセージには,手動で手動で特徴付けるのが難しい臨床的に重要なコミュニケーション行動が含まれている。 電子患者通信(EPPC)フレームワークは、これらの振る舞いをコーディングするためのオントロジーを提供するが、予測は、メッセージテキストにアノテーションを接地しながら、きめ細かなコード/サブコード構造を保持する必要があるため、自動抽出は依然として困難である。 構造化EPPC抽出のためのオントロジー対応手法であるEPPC-OASISを開発した。 EPPC-OASISは、モデル表現近傍とEPPCオントロジー由来の近傍とのアライメントを促進するワッサースタインアライメント目標による微調整を監督する一方で、推論改善では、検証、自己整合性、ハイブリッド補正、選択またはアンサンブルを使用して、残差予測エラーに対処する。 我々は,複数のオープンウェイト言語モデルにまたがる,教師付き微調整,嗜好ベースライン,ロバストネス指向ベースラインに対するセキュアな患者支援メッセージの非特定コーパスについて,フレームワークの評価を行った。 モデルファミリ全体で、最良のデプロイ可能なパイプラインは77.13%のコード+サブコードF1と63.83%のトリプルトF1であり、最強の監督された微調整ベースラインで+1.39と+2.12の絶対的なゲインに対応する。 これらの結果から,構造的推論改良によるオントロジー認識適応は,運用前に外部検証が必要であるが,スケーラブルなEPPCマイニングを支援することが示唆された。

関連論文リスト

• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• An Agentic LLM-Based Framework for Population-Scale Mental Health Screening [0.3568466510804538]
  本稿では,ロバストなLLMパイプライン構築のためのエージェントフレームワークを提案する。 トランスクリプトベースの検出における概念実証は、フレームワークが安定した構成に収束することを証明している。 結果は、大規模な臨床データセット上で集団レベルのメンタルヘルススクリーニングを可能にするエージェントAIの可能性を強調している。
  論文  参考訳（メタデータ） (2026-05-13T06:08:43Z)
• ADAPTS: Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms [36.94429692322632]
  ADAPTS(Agentic Decomposition for Automated Protocol-Agnostic Tracking of Symptoms)は、うつ病と不安度の自動評価のためのフレームワークである。 このアプローチは、長期臨床面接を症状特異的推論タスクに分解する。 レーティングは、オリジナルの人間のレーティングよりも、専門家のベンチマークを近似した。
  論文  参考訳（メタデータ） (2026-05-04T23:08:42Z)
• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• TAB-PO: Preference Optimization with a Token-Level Adaptive Barrier for Token-Critical Structured Generation [0.0]
  高価値セマンティックトークンを優先するトークン重み付き参照調整アドバンテージが提示される。 医療コミュニケーションアノテーションを用いたTAB-POの評価を行った。
  論文  参考訳（メタデータ） (2026-02-03T23:48:13Z)
• Generative Reasoning Recommendation via LLMs [48.45009951684554]
  大規模言語モデル(LLM)は、生成的推論レコメンデーションモデル(GRRM)として機能する上で、根本的な課題に直面している。 本研究は,レコメンデーションタスクに対する統一的な理解・推論・予測方法を実現する,事前学習されたLLMを適用してGRRMを構築する方法について検討する。 本稿では,協調的セマンティックアライメント(Collaborative-Semantic Alignment),Reasoning Curriculum Activation(Reasoning Curriculum Activation),Sparse-Regularized Group Policy Optimization(Sparse-Regularized Group Policy Optimization)の3つのコンポーネントを統合するエンドツーエンドフレームワークであるGREAMを提案する。
  論文  参考訳（メタデータ） (2025-10-23T17:59:31Z)
• Autoformalizer with Tool Feedback [52.334957386319864]
  自動形式化は、数学的問題を自然言語から形式的ステートメントに変換することによって、ATP(Automated Theorem Proving)のデータ不足に対処する。 既存のフォーミュラライザは、構文的妥当性とセマンティック一貫性を満たす有効なステートメントを一貫して生成することに苦慮している。 本稿では,ツールフィードバックを用いたオートフォーマライザ (ATF) を提案する。
  論文  参考訳（メタデータ） (2025-10-08T10:25:12Z)
• PRING: Rethinking Protein-Protein Interaction Prediction from Pairs to Graphs [88.98041407783502]
  PRINGは、タンパク質とタンパク質の相互作用予測をグラフレベルで評価する最初のベンチマークである。 PRINGは、21,484タンパク質と186,818の相互作用からなる高品質な多種PPIネットワークデータセットをキュレートする。
  論文  参考訳（メタデータ） (2025-07-07T15:21:05Z)
• Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
  指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。 従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。 本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
  論文  参考訳（メタデータ） (2020-04-07T04:07:29Z)

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。