論文の概要: Using binary silver labels in electronic health records-based computable phenotyping algorithms

• arxiv url: http://arxiv.org/abs/2607.18431v1
• Date: Mon, 20 Jul 2026 18:32:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.214534
• Title: Using binary silver labels in electronic health records-based computable phenotyping algorithms
• Title（参考訳）: 電子健康記録に基づく計算可能表現型アルゴリズムにおける二元銀ラベルの利用
• Abstract要約: 金標準表現型ラベルは、電子健康記録研究において大規模に利用できないことが多い。 PheNormはこの目的のために広く使われているが、オリジナルの定式化は数えきれないほどの銀のラベルのために設計された。 二元銀ラベルを直接使用する拡張であるBinary PheNormを提案する。 シミュレーションにおいて、Binary PheNormはバイナリラベルのみを使用して強力な差別を達成し、カウントラベルと組み合わせることで性能が向上した。
• 参考スコア（独自算出の注目度）: 3.57486761615991
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gold-standard phenotype labels are often unavailable at scale in electronic health record (EHR) studies because they require manual chart review. Weakly supervised phenotyping methods instead use silver-standard labels, such as diagnosis-code counts, natural language processing (NLP) mentions, medication indicators, or laboratory thresholds. PheNorm is widely used for this purpose, but its original formulation was designed for count-valued silver labels and relies on log transformation, utilization normalization, and Gaussian mixture modeling. These steps are not directly suited to binary silver labels, which are common and may be highly informative. We propose Binary PheNorm, an extension that uses binary silver labels directly in the corruption-and-regression denoising step and produces a continuous phenotype score without EM calibration. We also consider a lasso-regularized version for high-dimensional EHR settings and combined models using both binary and count labels. In simulations, Binary PheNorm achieved strong discrimination using binary labels alone and often improved performance when combined with count labels. In anaphylaxis, AUC increased from 0.793 for an epinephrine-mention indicator to 0.891-0.892 after Binary PheNorm. In acute pancreatitis, AUC increased from 0.736 for a lipase-threshold indicator to 0.805-0.819. These results support Binary PheNorm as a practical weakly supervised approach when informative binary silver labels are available.
• Abstract（参考訳）: 金標準表現型ラベルは、手動のチャートレビューを必要とするため、電子健康記録(EHR)研究では大規模に利用できないことが多い。 弱い教師付き表現型付け法では、診断符号数、自然言語処理(NLP)の言及、医薬品の指標、検査閾値などの銀標準ラベルを使用する。 PheNormはこの目的のために広く使われているが、オリジナルの定式化は数量評価された銀ラベルのために設計され、ログ変換、利用正規化、ガウス混合モデリングに依存している。 これらのステップは二元銀のラベルに直接当てはまらないが、これは一般的であり、非常に有益である可能性がある。 本稿では,二元銀ラベルをデノナイズ工程で直接使用する拡張であるBinary PheNormを提案し,EMキャリブレーションを伴わずに連続的な表現型スコアを生成する。 また、高次元のEHR設定のためのラッソ正規化バージョンと、バイナリラベルとカウントラベルの両方を用いたモデルの組み合わせについても検討する。 シミュレーションにおいて、Binary PheNormはバイナリラベルのみを使用して強力な差別を達成し、カウントラベルと組み合わせることで性能が向上した。 アナフィラキシーにおいて、AUCはエピネフリン濃度の指標として0.793から0.891-0.892まで上昇した。 急性膵炎では,リパーゼ閾値指標の0.736から0.805-0.819に増加した。 これらの結果は、情報的二元銀ラベルが利用可能である場合に、事実上弱い教師付きアプローチとしてバイナリPheNormをサポートする。

関連論文リスト

• GRAIN: Molecules Are Not the Right Granularity -- Active-Ingredient Modeling for Safe Medication Recommendation [2.26215287738502]
  電子健康記録からの薬剤の推奨は、多薬効下での有害薬物・薬物相互作用(DDI)のリスクに対する予測精度のバランスをとる必要がある。 有効成分は、粒度の不足であり、その周辺に構築された医薬品推奨フレームワークであるGRAINを導入している。 GRAINは、長い不規則な訪問シーケンスを線形時間で処理する選択的な状態空間バックボーンで、縦方向の患者軌跡(診断、手順、過去の薬品)を符号化する。
  論文  参考訳（メタデータ） (2026-07-30T18:13:30Z)
• Performance of weakly-supervised electronic health record-based phenotyping methods in rare-outcome settings [1.0832844764942349]
  銀標準ラベルを使用する弱い監督された予測方法は、ワクチンの安全性研究のような希少なアウトカム環境でうまく機能する。 希少なアウトカム設定で弱い教師付き予測手法を使用する場合、注意が必要である。
  論文  参考訳（メタデータ） (2026-04-10T21:16:44Z)
• SERSEM: Selective Entropy-Weighted Scoring for Membership Inference in Code Language Models [1.327416973220814]
  記憶信号の増幅のために非形式的統語的ボイラプレートを抑える新しいホワイトボックス攻撃フレームワークであるSERSEMを提案する。 以上の結果から,人間中心の符号化異常に注目することは,列レベルの確率平均よりも格段に頑健な暗記の指標となることが示唆された。
  論文  参考訳（メタデータ） (2026-04-01T17:03:58Z)
• Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
  両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。 我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
  論文  参考訳（メタデータ） (2025-10-17T03:06:23Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Pseudo Contrastive Learning for Graph-based Semi-supervised Learning [67.37572762925836]
  Pseudo Labelingは、グラフニューラルネットワーク(GNN)の性能向上に使用されるテクニックである。 我々はPseudo Contrastive Learning(PCL)と呼ばれるGNNのための一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-19T10:34:08Z)
• Learning from Noisy Labels with Decoupled Meta Label Purifier [33.87292143223425]
  ディープニューラルネットワークをノイズラベルでトレーニングすることは、DNNが不正確なラベルを容易に記憶できるため、難しい。 本稿では,DMLPと呼ばれる新しい多段ラベル浄化器を提案する。 DMLPはラベル訂正プロセスをラベルなし表現学習と単純なメタラベル精製器に分離する。
  論文  参考訳（メタデータ） (2023-02-14T03:39:30Z)
• Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly Supervised Video Anomaly Detection [149.23913018423022]
  弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。 2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。 本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-08T05:53:53Z)
• Label Encoding for Regression Networks [9.386028796990399]
  回帰へのバイナリ分類の適用を一般化するバイナリ符号化ラベル(BEL)を導入する。 BELはいくつかの回帰ベンチマークで最先端の精度を達成する。
  論文  参考訳（メタデータ） (2022-12-04T21:23:36Z)
• ADT-SSL: Adaptive Dual-Threshold for Semi-Supervised Learning [68.53717108812297]
  Semi-Supervised Learning (SSL)は、ラベル付きデータとラベルなしデータを併用してモデルをトレーニングすることで、高度な分類タスクを実現している。 本稿では,半教師付き学習(ADT-SSL)のための適応的デュアル閾値法を提案する。 実験の結果,提案したADT-SSLは最先端の分類精度を実現することがわかった。
  論文  参考訳（メタデータ） (2022-05-21T11:52:08Z)
• In Defense of Pseudo-Labeling: An Uncertainty-Aware Pseudo-label Selection Framework for Semi-Supervised Learning [53.1047775185362]
  Pseudo-labeling (PL) は一般的な SSL アプローチで、この制約はありませんが、当初の処方では比較的不十分です。 PLは不整合モデルからの誤った高い信頼度予測により性能が低下していると論じる。 そこで本研究では,疑似ラベリング精度を向上させるための不確実性認識型擬似ラベル選択(ups)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-15T23:29:57Z)
• Semi-supervised Relation Extraction via Incremental Meta Self-Training [56.633441255756075]
  半教師付き関係抽出法は,限られたサンプルからの学習に加え,ラベルのないデータを活用することを目的としている。 既存の自己学習手法は段階的なドリフト問題に悩まされ、未ラベルデータにノイズのある擬似ラベルが組み込まれている。 本稿では,リレーショナルラベル生成ネットワークが,メタオブジェクトとしてリレーショナル分類ネットワークを成功・失敗に導くことによって,擬似ラベルの品質評価を生成するメタSREという手法を提案する。
  論文  参考訳（メタデータ） (2020-10-06T03:54:11Z)

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。