論文の概要: From Regulatory Approvals to Patents: Cross-Domain Linking for Cardiovascular Device Traceability
- arxiv url: http://arxiv.org/abs/2606.28353v1
- Date: Sat, 06 Jun 2026 07:03:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-05 17:01:29.592643
- Title: From Regulatory Approvals to Patents: Cross-Domain Linking for Cardiovascular Device Traceability
- Title（参考訳）: 規制承認から特許へ:循環器デバイストレーサビリティのためのクロスドメインリンク
- Abstract要約: 我々は、ラベル不足とドメインシフトを特徴とするクロスドメインエンティティリンク問題として、医療機器接触リンクを定式化した。
提案手法は,50.9%のノイズ低減を図り,金標準値の91.6%の保守的低バウンドリコールを実現する。
結果としてMedDevKGは6.8Mの高信頼リンクを提供し、医療専門分野における規制-IP統合のためのスケーラブルな基盤を構築している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Linking FDA-approved medical devices to their underlying United States Patent and Trademark Office (USPTO) patents enables critical applications such as recall root-cause analysis, M&A-driven IP discovery, and technology trajectory mapping. However, this cross-domain entity linking task remains unexplored due to severe *semantic gaps*: FDA documents focus on clinical outcomes, while patents describe technical mechanisms, yielding minimal lexical overlap. We formalize medical device-patent linking as a challenging cross-domain entity linking problem characterized by label scarcity and domain shifts. Using cardiovascular devices as a high-impact, representative domain featuring diverse technologies, high recall rates, and abundant disclosures, we construct a benchmark with 434 devices, 698K patents, and 585 high-fidelity expert-verified pairs. To address these challenges, we propose Bridge-MedDevKG, a coarse-to-fine framework that integrates (1) **MedDevOnto**, a domain-specific ontology that anchors device concepts via three-tier UMLS normalization; (2) **Multi-signal candidate generation** fusing company affiliation, semantic similarity, and ontology-weighted entity overlap; and (3) **Heterogeneous reranking** with multi-signal scoring and XGBoost classification on hard negatives. Our approach achieves a conservative lower-bound recall of 91.6% on the gold standard with 50.9% noise reduction, substantially outperforming LLM baselines under comparable evaluation. The resulting MedDevKG provides 6.8M high-confidence links, laying a scalable foundation for regulatory-IP integration across medical specialties.
- Abstract（参考訳）: FDAが承認した医療機器を米国特許商標庁(USPTO)の特許にリンクすることで、リコール根本原因分析、M&AによるIP発見、技術軌道マッピングといった重要な応用が可能になる。
FDAの文書は臨床結果に焦点を当てているが、特許は技術的なメカニズムを記述しており、語彙的重複は最小限である。
我々は、ラベル不足とドメインシフトを特徴とするクロスドメインエンティティリンク問題として、医療機器接触リンクを定式化した。
多様な技術,高いリコール率,豊富な開示を特徴とする,高インパクト・代表領域として,434個のデバイス,698K特許,585個の高忠実度専門家検証ペアを用いたベンチマークを構築した。
これらの課題に対処するために,(1)**MedDevOnto*,(2)***Multi-signal candidate generation**,(3)***Heterogeneous rerank*,**MedDevOnto*,**MedDevOnto*を3層UMLS正規化を介してデバイス概念をアンロックするドメイン固有オントロジーを統合した粗粒度フレームワークであるBridge-MedDevKGを提案する。
提案手法は,50.9%のノイズ低減による金標準値91.6%の保守的低バウンドリコールを実現し,LLMベースラインをほぼ上回っている。
結果としてMedDevKGは6.8Mの高信頼リンクを提供し、医療専門分野における規制-IP統合のためのスケーラブルな基盤を構築している。
関連論文リスト
- Modality-Decoupled Federated Learning for Privacy-Preserving Embodied Intelligence in 6G [90.42669277637026]
第6世代(6G)無線ネットワークは、大規模なインボディードインテリジェンスのための重要な基盤を提供すると期待されている。
本稿では、6Gネットワークにおけるプライバシー保護型インテリジェンスのためのモダリティ分離FLフレームワークであるFedMVLAを提案する。
論文 参考訳（メタデータ） (2026-09-09T01:36:44Z) - Modeling Claim Dependency Structure for Patent Litigation Prediction with Graph Attention Networks [0.0]
ClaimGATは各クレームを独立してエンコードし、有向クレーム依存グラフを構築し、GATConvレイヤで処理し、アテンショナルアグリゲーションを介して独立クレームを集約する。
AUC-ROCの0.818とリフトの4.89倍を最高10%で達成し、特許取得時にのみ観測可能な情報を使用する。
論文 参考訳（メタデータ） (2026-08-22T11:24:24Z) - Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。
COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。
本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
論文 参考訳（メタデータ） (2026-07-24T04:26:47Z) - Federated Temporal Attention Intelligence for Cyber-Resilient IoMT: Lightweight Digital Twins and PPO-Driven Honeypot Deception [0.6095710009266794]
インターネット・オブ・メディカル・モノ(IoMT)デバイスが急速に普及すると、医療環境における重要なサイバーセキュリティの脆弱性がもたらされる。
本稿では,4つの補完機構を統合したプライバシ保護型防衛アーキテクチャである軽量ディジタルツインとフェデレーション強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-19T13:40:57Z) - Architecture-Agnostic Modality-Isolated Gated Fusion for Robust Multi-Modal Prostate MRI Segmentation [0.0]
多重化前立腺MRIは、T2パラメトリック(T2W)、見かけ拡散係数(ADC)、高b値拡散強調(HBV)配列を組み合わせる。
実際には、拡散配列は、T2Wよりも、取得のばらつき、動き、アーティファクトの影響を受けることが多い。
我々は、学習ゲーティングステージの前に、個別のモダリティ固有の符号化ストリームを維持するために、Modality-Isolated Gated Fusion (MIGF)を提案する。
論文 参考訳（メタデータ） (2026-04-12T15:54:21Z) - UniField: A Unified Field-Aware MRI Enhancement Framework [45.03230466428695]
methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。
我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。
我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
論文 参考訳（メタデータ） (2026-03-10T05:45:12Z) - MMedExpert-R1: Strengthening Multimodal Medical Reasoning via Domain-Specific Adaptation and Clinical Guideline Reinforcement [63.82954136824963]
医療ビジョンランゲージモデルでは、現実世界のシナリオで必要とされる複雑な臨床推論を伴う知覚タスクが優れている。
本稿ではドメイン固有の適応とガイドライン強化を通じてこれらの課題に対処する新しい推論MedVLMを提案する。
論文 参考訳（メタデータ） (2026-01-16T02:32:07Z) - Towards Automated Quality Assurance of Patent Specifications: A Multi-Dimensional LLM Framework [0.5534764384104999]
AI草案作成ツールは特許作成において注目されているが、AIが生成する特許内容の品質の体系的評価は、重要な研究ギャップを示している。
本稿では,規制コンプライアンス,技術的コヒーレンス,図形参照整合性検出モジュールを用いた特許評価を提案する。
このフレームワークは、2つの特許草案作成ツールから80人の人間が認可し、80人のAIが生成する特許からなる包括的なデータセットで検証されている。
論文 参考訳（メタデータ） (2025-10-29T11:20:18Z) - MedKGent: A Large Language Model Agent Framework for Constructing Temporally Evolving Medical Knowledge Graph [57.54231831309079]
我々は、時間的に進化する医療知識グラフを構築するためのフレームワークであるMedKGentを紹介する。
生医学的知識の出現を, 微粒な日々の時系列でシミュレートする。
結果として得られるKGは156,275個のエンティティと2,971,384個のリレーショナルトリプルを含む。
論文 参考訳（メタデータ） (2025-08-17T15:14:03Z) - An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。
DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。
このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文 参考訳（メタデータ） (2025-06-25T13:42:26Z) - PatentScore: Multi-dimensional Evaluation of LLM-Generated Patent Claims [35.13558856456741]
特許請求書、医療記録、技術報告などの高額なテキストは構造的に複雑であり、高い信頼性と精度を要求する。
従来の自然言語生成(NLG)メトリクスは汎用文書に有効であるが、複雑なハイテイク文書を評価するのに必要な構造的・法的特徴を捉えることができない。
本稿では,最も複雑で厳密なドメインの1つに特化して設計された多次元評価フレームワークであるPatentScoreを提案する。
論文 参考訳（メタデータ） (2025-05-25T22:20:11Z)
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。