論文の概要: Semantic Reasoning in Medicine: The Role of Knowledge Graphs Across Five Key Domains

• arxiv url: http://arxiv.org/abs/2606.15155v1
• Date: Sat, 13 Jun 2026 06:52:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.952394
• Title: Semantic Reasoning in Medicine: The Role of Knowledge Graphs Across Five Key Domains
• Title（参考訳）: 医学におけるセマンティック推論:5つの主要な領域における知識グラフの役割
• Authors: Haniye Sherafatmandjoo, Mohammad Akbari, Zahed Rahmati,
• Abstract要約: 知識グラフ(KG)は、複雑な医療データの統合と推論のための有望なソリューションとして登場した。 KGは意思決定、予測、レコメンデーション、パーソナライズドケアのためのセマンティックバックボーンを提供する。 本調査は,医学におけるKGsに関する研究を,応用指向と方法論指向の両面からレビューし,分類する。
• 参考スコア（独自算出の注目度）: 4.387420859170988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graphs (KGs) have emerged as a promising solution for integrating and reasoning over complex biomedical and clinical data in healthcare. By representing structured relationships among entities such as diseases, drugs, symptoms, and patient records, KGs provide a semantic backbone for decision-making, prediction, recommendation, and personalized care. Recent advances have demonstrated their utility across diverse medical applications--including clinical decision support systems, disease and treatment outcome prediction, health recommender systems, precision medicine, and medical question answering--where KGs often enhance interpretability, semantic coherence, and patient-specific reasoning. In parallel, a growing body of work focuses on medical KG generation itself, proposing frameworks that construct graphs from EHRs, clinical narratives, biomedical literature, and web resources using ontologies, semantic web technologies, deep-learning-based information extraction, and hybrid neuro-symbolic pipelines. Despite this progress, significant challenges remain, including limited and fragmented knowledge coverage, difficulties in aligning heterogeneous data sources, the fragility of current reasoning and representation-learning methods on dense multi-relational graphs, and unresolved issues related to privacy, bias, and accountability. This survey reviews and categorizes current research on KGs in medicine along both application-oriented and methodology-oriented dimensions, discusses their benefits and technical foundations, and outlines key limitations and open research directions. By analyzing trends, architectures, and evaluation practices, this work aims to guide future developments in KG-driven medical AI systems and support their safe and effective integration into healthcare environments.
• Abstract（参考訳）: 知識グラフ(KG)は、医療における複雑なバイオメディカルおよび臨床データの統合と推論のための有望なソリューションとして登場した。 疾患、薬物、症状、患者の記録などのエンティティ間の構造的関係を表現することで、KGは意思決定、予測、レコメンデーション、パーソナライズドケアのための意味的なバックボーンを提供する。 近年, 臨床診断支援システム, 疾患と治療結果の予測, 健康推奨システム, 精密医療, 医療質問応答など, 様々な医療応用において, KGは解釈可能性, セマンティック・コヒーレンス, 患者固有の推論など, 有効性を実証している。 並行して、成長する研究機関は、医学的なKG生成そのものに焦点を当て、EHR、臨床物語、生物医学文献、オントロジー、セマンティックウェブ技術、ディープラーニングに基づく情報抽出、ハイブリッドニューロシンボリックパイプラインを用いたWebリソースからグラフを構築するフレームワークを提案している。 この進歩にもかかわらず、知識の限定と断片化、異種データソースの整合化の困難、高密度なマルチリレーショナルグラフ上での現在の推論と表現学習手法の脆弱さ、プライバシー、バイアス、説明責任に関する未解決の問題など、大きな課題が残っている。 本調査は,医学におけるKGsの研究を,アプリケーション指向と方法論指向の両面でレビューし,そのメリットと技術基盤について論じ,鍵となる限界とオープンな研究方向性を概説する。 この研究は、トレンド、アーキテクチャ、評価プラクティスを分析することで、KG駆動型医療AIシステムの今後の発展をガイドし、医療環境への安全で効果的な統合をサポートすることを目的としている。

関連論文リスト

• Automated Construction of Medical Indicator Knowledge Graphs Using Retrieval Augmented Large Language Models [8.095858876360577]
  本稿では,検索拡張生成(RAG)と大規模言語モデル(LLM)を組み合わせて医療指標知識グラフを構築する自動フレームワークを提案する。 得られた知識グラフは、インテリジェントな診断と質問応答システムに統合することができる。
  論文  参考訳（メタデータ） (2025-11-17T16:00:42Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community Retrieval [61.70489848327436]
  KAREは、知識グラフ(KG)コミュニティレベルの検索と大規模言語モデル(LLM)推論を統合する新しいフレームワークである。 MIMIC-IIIでは最大10.8～15.0%、MIMIC-IVでは12.6～12.7%である。
  論文  参考訳（メタデータ） (2024-10-06T18:46:28Z)
• Patient-Centric Knowledge Graphs: A Survey of Current Methods, Challenges, and Applications [2.913761513290171]
  患者中心知識グラフ(PCKG)は、個別の患者ケアに焦点を当てた医療における重要なシフトである。 PCKGは様々な種類の健康データを統合し、患者の健康を包括的に理解する医療専門家に提供します。 本稿はPCKGに関する方法論,課題,機会について概説する。
  論文  参考訳（メタデータ） (2024-02-20T00:07:55Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [59.4999994297993]
  この総合的なレビューは、医療知識グラフ(HKG)の現状の概要を提供することを目的としている。 我々は,既存のHKGに関する文献を網羅的に分析し,その構築方法,活用技術,応用について考察した。 このレビューは、HKGsが生物医学研究や臨床実践に大きな影響を与える可能性を強調している。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)
• MD-Manifold: A Medical-Distance-Based Representation Learning Approach for Medical Concept and Patient Representation [6.795388490479779]
  医療分析タスクのための医療概念を表現するには、医療領域の知識と事前のデータ情報を統合する必要がある。 MD-Manifoldは,医療概念と患者表現に対する新しいアプローチを提案する。 これには、重要な医療領域の知識と事前のデータ情報を統合するための、新しいデータ拡張アプローチ、コンセプト距離メトリック、および患者と患者のネットワークが含まれる。
  論文  参考訳（メタデータ） (2023-04-30T18:58:32Z)
• Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
  本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。 我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。 本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
  論文  参考訳（メタデータ） (2023-02-11T18:07:11Z)

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。