論文の概要: Beyond Binary Detection: A Multi-Dimensional Taxonomy of Cancer Misinformation on Reddit
- arxiv url: http://arxiv.org/abs/2607.12383v1
- Date: Tue, 14 Jul 2026 05:55:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.047523
- Title: Beyond Binary Detection: A Multi-Dimensional Taxonomy of Cancer Misinformation on Reddit
- Title（参考訳）: Beyond Binary Detection:Redditで癌情報の多次元分類
- Abstract要約: 乳がん,肺がん,大腸がん,前立腺がんのReddit議論において,がんの誤報を特徴付けるための多次元分類法を紹介した。
我々は,複数の大規模言語モデル(LLM)をスケーラブルな誤情報アノテーションとして評価し,Redditコミュニティ全体で癌誤情報を分析する。
以上の結果から,癌関連誤報はRedditがんに関する議論の約6%を占めており,コミュニティや誤報の話題によって大きく異なることが示唆された。
- 参考スコア（独自算出の注目度）: 2.045935105132131
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cancer-related discussions on social media provide an important space for information exchange and peer support, but also facilitate the spread of misinformation that may influence prevention, screening, and treatment decisions. Existing research on cancer misinformation often relies on narrow definitions, small-scale datasets, or binary labeling frameworks. We introduce a multi-dimensional taxonomy for characterizing cancer misinformation in Reddit discussions of breast, lung, colon, and prostate cancer. The taxonomy captures seven dimensions, including misinformation presence, information type, risk level, stance, and topical focus. Using expert-annotated data, we evaluate multiple large language models (LLMs) for scalable misinformation annotation and analyze cancer misinformation across Reddit communities. Our results show that cancer-related misinformation constitutes approximately 6\% of Reddit cancer discussions, with substantial variation across communities and misinformation topics. Few-shot prompting substantially improves classification performance, particularly for nuanced taxonomy dimensions. We additionally identify recurring misinformation narratives centered on unsupported treatments, distrust of conventional medicine, and misleading claims about diagnosis and screening. Our taxonomy, dataset, and findings provide a foundation for multi-dimensional modeling of online cancer misinformation.
- Abstract（参考訳）: ソーシャルメディア上でのがん関連の議論は、情報交換とピアサポートにとって重要な空間を提供するだけでなく、予防、スクリーニング、治療決定に影響を及ぼす可能性のある誤情報の普及を促進する。
がんの誤情報に関する既存の研究は、しばしば狭い定義、小さなデータセット、またはバイナリラベリングフレームワークに依存している。
乳がん,肺がん,大腸がん,前立腺がんのReddit議論において,がんの誤報を特徴付けるための多次元分類法を紹介した。
分類学は、誤情報の存在、情報タイプ、リスクレベル、スタンス、トピックの焦点を含む7つの次元を捉えている。
専門家アノテートデータを用いて,複数の大規模言語モデル(LLM)をスケーラブルな誤情報アノテーションとして評価し,Redditコミュニティ全体でのがん誤情報解析を行った。
以上の結果から,癌関連誤報はRedditがんの議論の約66%を占めており,コミュニティや誤報の話題がかなり多様であることが明らかとなった。
ほとんどショットプロンプトは分類性能を大幅に向上させ、特にニュアンスド・分類学の次元において顕著である。
また, 治療の中止, 従来の医療への不信, 診断とスクリーニングに関する誤った主張を中心に, 再発する誤報の物語を同定した。
我々の分類学、データセット、および知見は、オンラインがん偽情報の多次元モデリングの基礎となる。
関連論文リスト
- Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。
IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。
IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
論文 参考訳（メタデータ） (2023-07-26T21:42:34Z) - DEDUCE: Multi-head attention decoupled contrastive learning to discover cancer subtypes based on multi-omics data [7.049723871585993]
マルチオミクスのがんデータを解析するための教師なしコントラスト学習のためのモデルDDUCEを提案する。
このモデルは教師なしのSMAEを採用し、マルチオミクスデータからコンテキストの特徴や長距離依存を深く抽出することができる。
サブタイプは、マルチオミクスデータの特徴空間とサンプル空間の両方におけるサンプル間の類似性を計算することでクラスタ化される。
論文 参考訳（メタデータ） (2023-07-09T00:53:23Z) - Machine Learning Approach for Cancer Entities Association and
Classification [0.0]
この研究は、非自明な2つのNLP、自然言語処理機能、エンティティ認識、テキスト分類を用いて、生物医学文献から知識を発見する。
名前付きエンティティ認識(NER)は、ユーザフレンドリーなインターフェースと組み込み辞書のサポートにより、構造化されていないテキストから、がんに関連する事前定義されたエンティティを認識し、抽出する。
テキスト分類は、テキストに対する洞察を探求し、データの分類、クエリ、記事のスクリーニングを簡単にするのに役立つ。
論文 参考訳（メタデータ） (2023-05-30T07:36:12Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳（メタデータ） (2023-04-12T05:41:44Z) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳（メタデータ） (2023-01-28T15:03:03Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - Gene selection from microarray expression data: A Multi-objective PSO
with adaptive K-nearest neighborhood [0.0]
本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。
マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T04:22:10Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Drink Bleach or Do What Now? Covid-HeRA: A Study of Risk-Informed Health
Decision Making in the Presence of COVID-19 Misinformation [23.449057978351945]
我々は健康上の誤報をリスクアセスメントのタスクとみなしている。
各誤報記事の重大さと読者がこの重大さをどう認識するかを考察する。
従来のモデルと最先端モデルを評価し、性能に大きなギャップがあることを示します。
論文 参考訳（メタデータ） (2020-10-17T08:34:57Z) - Analysing the Extent of Misinformation in Cancer Related Tweets [6.409065843327199]
がんを専門に話すツイートに関するデータセットを提示する。
本稿では,その拡散に伴う誤情報の自動検出のための注意に基づくディープラーニングモデルを提案する。
この分析は、不正なツイートに関連する様々な社会的側面に関する関連する洞察を集めるのに役立ちます。
論文 参考訳（メタデータ） (2020-03-30T17:44:42Z)
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。