論文の概要: Challenges in Explaining Pretrained Clinical Text Classifiers

• arxiv url: http://arxiv.org/abs/2605.28060v1
• Date: Wed, 27 May 2026 07:09:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.834133
• Title: Challenges in Explaining Pretrained Clinical Text Classifiers
• Title（参考訳）: 臨床用テキスト分類器の解説と課題
• Authors: Kristian Miok, Matej Klemen, Blaz Škrlj, Marko Robnik Šikonja,
• Abstract要約: 病院長予測課題において,トークンレベルと摂動に基づく説明手法の中核的限界を,対象のデーモンストライオンを用いて同定する。 以上の結果から,非形式的トークンに対する過剰なエンハンシス,属性の不安定性,不整合入力変種に対する高信頼予測などの課題が明らかになった。
• 参考スコア（独自算出の注目度）: 0.3499870393443268
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explaining the predictions of neural models in clinical NLP remains a significant challenge, especially for complex tasks involving long, unstructured medical texts. While post-hoc methods like LIME and SHAP are widely used, they often fall short when applied to clinical narratives. In this paper, we identify core limitations of token-level and perturbation-based explanation techniques through targeted demonstra- tions on a hospital length-of-stay prediction task. Our findings reveal issues such as overemphasis on non-informative tokens, instability in at- tributions, and high-confidence predictions for incoherent input variants. These results underscore the need for explanation strategies that are clin- ically meaningful, semantically grounded, and robust to linguistic noise.
• Abstract（参考訳）: 臨床NLPにおける神経モデルの予測を説明することは、特に長く、構造化されていない医学的テキストを含む複雑なタスクにおいて重要な課題である。 LIME や SHAP のようなポストホック法が広く用いられているが、臨床物語に適用すると、しばしば不足する。 本稿では,病院の長期予測課題において,トークンレベルと摂動に基づく説明手法のコアとなる限界を,対象のデーモンストライオンを用いて同定する。 以上の結果から,非形式的トークンに対する過度の強調, at- トリビューションの不安定性,不整合入力変種に対する高信頼予測などの課題が明らかになった。 これらの結果は,言語騒音に対して,言語的に意味があり,意味的基盤があり,頑健な説明戦略の必要性を浮き彫りにしている。

関連論文リスト

• A BERT-Based Summarization approach for depression detection [1.7363112470483526]
  うつ病は世界中で流行する精神疾患であり、対処されないと深刻な反感を引き起こす可能性がある。 機械学習と人工知能は、さまざまなデータソースからのうつ病指標を自律的に検出することができる。 本研究では,入力テキストの長さと複雑さを低減させる前処理手法として,テキスト要約を提案する。
  論文  参考訳（メタデータ） (2024-09-13T02:14:34Z)
• Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
  MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。 MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。 マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
  論文  参考訳（メタデータ） (2024-04-10T07:41:35Z)
• Depression Detection on Social Media with Large Language Models [12.666554631713417]
  ソーシャルメディアプラットフォームは、早期うつ病の診断に有用なデータソースを提供する。 大規模言語モデル(LLM)を利用したフレームワークであるDORISを提案する。 医療知識を統合するため、DORISはLSMを使用して、確立された診断基準に対してユーザテキストに注釈を付ける。
  論文  参考訳（メタデータ） (2024-03-16T01:01:16Z)
• Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
  大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。 正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。 本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
  論文  参考訳（メタデータ） (2023-05-30T22:05:11Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Toward Knowledge-Driven Speech-Based Models of Depression: Leveraging Spectrotemporal Variations in Speech Vowels [10.961439164833891]
  抑うつに関連する精神運動士の遅滞は、母音生成の有形差と関連付けられている。 本稿では,母音レベルの音声のスペクトル時間情報を統合し,抑うつを識別する知識駆動機械学習(ML)手法について検討する。
  論文  参考訳（メタデータ） (2022-10-05T19:57:53Z)
• An Interpretable End-to-end Fine-tuning Approach for Long Clinical Text [72.62848911347466]
  EHRにおける非構造化臨床テキストには、意思決定支援、トライアルマッチング、振り返り研究を含むアプリケーションにとって重要な情報が含まれている。 最近の研究は、これらのモデルが他のNLPドメインにおける最先端の性能を考慮し、BERTベースのモデルを臨床情報抽出およびテキスト分類に応用している。 本稿では,SnipBERTという新しい微調整手法を提案する。SnipBERTは全音符を使用する代わりに,重要なスニペットを識別し,階層的に切り刻まれたBERTベースのモデルに供給する。
  論文  参考訳（メタデータ） (2020-11-12T17:14:32Z)
• Hurtful Words: Quantifying Biases in Clinical Contextual Word Embeddings [16.136832979324467]
  本研究は,MIMIC-III 病院データセットから医療用ノートにディープ埋め込みモデル(BERT)を事前訓練する。 文脈的単語埋め込みによって捉えられる危険な潜伏関係を同定する。 我々は,50以上の下流臨床予測課題において,フェアネスの定義の異なる性能ギャップを評価する。
  論文  参考訳（メタデータ） (2020-03-11T23:21:14Z)

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。