論文の概要: Patient-Conditioned Dual Hypergraph Reasoning for Auditable Traditional Chinese Medicine Prescription Support
- arxiv url: http://arxiv.org/abs/2607.04025v1
- Date: Sat, 04 Jul 2026 20:48:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.794817
- Title: Patient-Conditioned Dual Hypergraph Reasoning for Auditable Traditional Chinese Medicine Prescription Support
- Title（参考訳）: 漢方薬処方支援のための患者主導型デュアルハイパーグラフ推論
- Abstract要約: 本稿では,患者条件付きデュアルハイパーグラフフレームワークを提案する。
第1のハイパーグラフは、症状、舌、脈拍、および症候群と治療の基本的推論に関するその他の臨床的証拠を整理する。
第2のハイパーグラフは、症候群、治療、疾患のコンテキスト、ハーブ、検索、処方薬製造のための線量優先の証拠を整理する。
- 参考スコア（独自算出の注目度）: 31.95109204556091
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional Chinese medicine (TCM) prescription support requires patient-specific reasoning from clinical narratives to syndromes, treatment principles, herbs, and doses. Direct language-model generation can produce fluent prescriptions, but its decisions are difficult to audit against explicit clinical evidence. Static TCM knowledge resources provide useful priors, but they cannot determine which diagnostic and prescription relations should be emphasized for an individual patient. We propose a patient-conditioned dual hypergraph framework for auditable TCM prescription support. The first hypergraph organizes symptom, tongue, pulse, and other clinical evidence around syndrome and treatment-principle reasoning. The second hypergraph organizes syndrome, treatment, disease-context, herb, retrieval, and dose-prior evidence for prescription construction. Unlike static knowledge graphs or fixed hypergraphs, both hypergraphs are dynamically weighted by the patient representation. This design enables individualized activation of diagnostic and prescription paths, supporting personalized syndrome differentiation and herb-dose recommendation while preserving case-level auditability. Experiments on TCM-SD show that dynamic weighting in the first hypergraph improves MacBERT syndrome differentiation to 0.8297 accuracy and 0.3288 macro-F1. On TCM-BEST4SDT, the second hypergraph achieves the best mean Herb-F1 of 0.3111 across three seeds, and the full connected pipeline reaches 0.3074 Herb-F1, close to the oracle setting. A 50-case real-world CAP audit further suggests practical review potential, while highlighting the need for prospective dose-safety validation.
- Abstract（参考訳）: 伝統的な中国医学(TCM)処方薬は、臨床物語から症候群、治療原則、ハーブ、用量への患者固有の推論を必要とする。
直接言語モデル生成は、流動的な処方薬を生成することができるが、その決定は明確な臨床的証拠に対して監査することが困難である。
静的TCM知識リソースは有用な事前情報を提供するが、個々の患者に対してどの診断・処方薬関係を重視すべきかは決定できない。
本稿では,患者条件付きデュアルハイパーグラフフレームワークを提案する。
第1のハイパーグラフは、症状、舌、脈拍、および症候群と治療の基本的推論に関するその他の臨床的証拠を整理する。
第2のハイパーグラフは、症候群、治療、疾患のコンテキスト、ハーブ、検索、処方薬製造のための線量優先の証拠を整理する。
静的知識グラフや固定ハイパーグラフとは異なり、両方のハイパーグラフは患者表現によって動的に重み付けされる。
この設計により、個別化された診断経路と処方の経路の活性化が可能となり、パーソナライズドシンドロームの分化とハーブ・ドーズ・レコメンデーションをサポートしつつ、ケースレベルの監査性を維持することができる。
TCM-SDの実験では、第1ハイパーグラフにおける動的重み付けにより、MacBERT症候群の分化は0.8297の精度と0.3288のマクロF1に改善された。
TCM-BEST4SDTでは、第2ハイパーグラフが3つの種にまたがって0.3111のHerb-F1を最高の平均で達成し、完全な接続パイプラインはオラクル設定に近い0.03074Herb-F1に達する。
50ケースの実世界のCAP監査は、将来的な用量安全性検証の必要性を強調しながら、実用的なレビューの可能性をさらに示唆している。
関連論文リスト
- Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。
3つの主要なコンポーネントを特徴とするフレームワークを提案する。
診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
論文 参考訳（メタデータ） (2026-06-24T08:24:45Z) - Analyzing and Improving Fine-grained Preference Optimization in Medical LVLMs [53.697403481143404]
LVLM(Large Vision-Language Models)は、医用画像処理タスクにおいて強力なパフォーマンスを実現している。
しかし、実際の不整合、視力の低下、臨床的に有意義なフィードバックによる不一致が続く傾向にある。
論文 参考訳（メタデータ） (2026-06-10T18:35:36Z) - Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。
1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。
診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
論文 参考訳（メタデータ） (2026-04-06T00:23:10Z) - MedEinst: Benchmarking the Einstellung Effect in Medical LLMs through Counterfactual Differential Diagnosis [13.241795322837861]
MedEinstは,49の疾患に5,383対の臨床症例を比較検討した。
バイアストラップ速度による感受性の測定-正確な診断制御にもかかわらず、誤診断トラップの確率について検討する。
論文 参考訳（メタデータ） (2026-01-10T17:39:25Z) - A Hierarchical Structure-Enhanced Personalized Recommendation Model for Traditional Chinese Medicine Formulas Based on KG Diffusion Guidance [3.17076026949853]
本稿では,知識グラフ拡散誘導,すなわちTCM-HEDPRに基づく,新しい階層構造付きパーソナライズドレコメンデーションモデルを提案する。
具体的には,患者対人的なプロンプトシーケンスを用いた症状表現を事前訓練し,データ拡張にプロンプト指向のコントラスト学習を適用した上で,KG誘導の同種グラフ拡散法と自己認識機構を統合し,非線形症状-ハーブ関係をグローバルに捉えた。
論文 参考訳（メタデータ） (2025-09-28T01:40:01Z) - Generalised Label-free Artefact Cleaning for Real-time Medical Pulsatile Time Series [3.8195510803972454]
アーティファクトは、医療時系列の使用において臨床上の意思決定を損なう。
我々は,リアルタイムなアーティファクト検出のための一般化されたラベルフリーフレームワークGenCleanを紹介する。
論文 参考訳（メタデータ） (2025-04-29T22:28:06Z) - Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。
しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。
本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。
本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
論文 参考訳（メタデータ） (2025-02-10T13:33:12Z) - Natural Language-Assisted Multi-modal Medication Recommendation [97.07805345563348]
NLA-MMR(Natural Language-Assisted Multi-modal Medication Recommendation)を紹介する。
NLA-MMRは、患者視点から知識を学習し、医薬視点を共同で学習するために設計されたマルチモーダルアライメントフレームワークである。
本稿では,プレトレーニング言語モデル(PLM)を用いて,患者や医薬品に関するドメイン内知識を抽出する。
論文 参考訳（メタデータ） (2025-01-13T09:51:50Z) - TCM-FTP: Fine-Tuning Large Language Models for Herbal Prescription Prediction [17.041413449854915]
伝統的な中国医学(TCM)は、様々な症状や兆候を何千年も治療するために処方薬中のハーブの特定の組み合わせに依存してきた。
TCM処方薬の予測は、重要な実用上の意味を持つ、魅力的な技術的課題を生じさせる。
textitDigestDSは、消化器系疾患の経験者による医療記録を含む新しいデータセットである。
また、textitDigestDS上で教師付き微調整を行うことで、事前訓練された大規模言語モデル(LLM)を活用するためのTCM-FTP(TCM Fine-Tuning Pre-trained)を提案する。
論文 参考訳（メタデータ） (2024-07-15T08:06:37Z) - Fusing Echocardiography Images and Medical Records for Continuous Patient Stratification [16.93115087698284]
本研究は, 高血圧症と診断し難い連続体を用いて, 心血管系病理の表現を学習する手法を提案する。
提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。
これらの標準化されたマルチモーダルデータの表現は、Transformerエンコーダに送られ、臨床評価を予測するタスクを通じて、患者の包括的な表現にマージすることを学ぶ。
239人の高血圧患者のコホートでこの連続体に沿った主要な傾向を観察し、高血圧が様々な心機能記述因子に与える影響について、前例のない詳細を報告した。
論文 参考訳（メタデータ） (2024-01-15T16:04:46Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳（メタデータ） (2022-06-04T13:16:30Z)
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。