論文の概要: Biomedical Knowledge Composition: A Software Engineering Perspective
- arxiv url: http://arxiv.org/abs/2608.08927v1
- Date: Sun, 09 Aug 2026 21:42:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.997046
- Title: Biomedical Knowledge Composition: A Software Engineering Perspective
- Title(参考訳): バイオメディカル知識構成:ソフトウェア工学の視点から
- Abstract要約: 本稿では,バイオメディカル知識基盤の2つの側面について述べる。
第一に、バイオメディカルドメインをソフトウェアエンジニアに紹介する。
第二に、なぜ工学的なバイオメディカル知識基盤がそんなに難しいのかを問う。
- 参考スコア(独自算出の注目度): 1.1925232472331493
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biomedical research has accumulated vast molecular, clinical, and population data, yet translating this wealth into actionable knowledge remains constrained by technical and organizational difficulties. This article presents a unified treatment of two perspectives on biomedical knowledge infrastructure. The first introduces the biomedical domain to software engineers: it explains why knowledge graphs (KGs) are the central integrative data structure in modern biomedicine, characterizes five data harmonization challenges (identifier mapping, entity resolution, schema alignment, evidence integration, and provenance tracking), surveys application domains from drug discovery to digital twins, and profiles six representative KG systems with contrasting choices. The second perspective asks why engineering biomedical knowledge infrastructure remains so difficult. We argue that a contributing root cause is limited adoption of software tooling and practices that make development in other mature domains - particularly web engineering - reliably composable and reproducible: package management, typed namespaces, canonical interchange formats, service composition protocols, reproducible pipelines, and lifecycle governance. Against this backdrop, eight open engineering challenges for biomedical data integration are catalogued, each with partial solutions but no universally adopted stack. Crucially, the article shifts emphasis from describing deployed KG instances toward the reproducible process of assembling them: reusable build pipelines, versioned dependencies, and engineering practices that let others compile and customize a KG from source rather than consuming a static artifact. Together, the two perspectives provide domain grounding for newcomers and a research agenda for software engineers seeking to make transformative contributions to biomedical knowledge infrastructure.
- Abstract(参考訳): 生物医学研究は、膨大な分子、臨床、人口データを蓄積してきたが、この富を実行可能な知識に翻訳することは、技術的、組織的な困難によって制限されている。
本稿では,バイオメディカル知識基盤に関する2つの視点を統一的に扱う。
知識グラフ(KGs)が現代のバイオメディシンにおいて中心的な統合データ構造である理由を説明し、データ調和の課題(アイデンティティマッピング、エンティティの解決、スキーマのアライメント、エビデンス統合、証明トラッキング)を特徴付け、薬物発見からデジタル双生児へのアプリケーションドメインの調査と、6つの代表的なKGシステムのプロファイルを比較対象とする。
第2の視点は、なぜ工学的なバイオメディカル知識基盤がそんなに難しいのかを問うものである。
特にWebエンジニアリングは、パッケージ管理、型付き名前空間、標準の交換フォーマット、サービス構成プロトコル、再現可能なパイプライン、ガバナンスガバナンスといった、確実に構成可能で再現可能なものです。
この背景から、バイオメディカルデータ統合のための8つのオープンエンジニアリング課題がカタログ化され、それぞれに部分的なソリューションがあるが、普遍的に採用されているスタックはない。
重要なことに、記事はデプロイされたKGインスタンスの説明から、それらを組み立てる再現可能なプロセスへと、重点を移している。再利用可能なビルドパイプライン、バージョン管理された依存関係、そして、他の人が静的アーティファクトを消費するのではなく、ソースからKGをコンパイルしてカスタマイズできるエンジニアリングプラクティスである。
この2つの視点は、新参者のためのドメイン基盤と、バイオメディカル知識基盤への変革的な貢献を目指すソフトウェアエンジニアのための研究アジェンダを提供する。
関連論文リスト
- AIMBio-Mat: An AI-Native FAIR Platform for Closed-Loop Materials Discovery and Biomedical Translation [0.30495228237759914]
AIMBioは、AIネイティブ、FAIR、ガバナンス対応の意思決定レイヤのための概念的なフレームワークである。
資料の出所、生医学的文脈、知識グラフ、不確実性を認識した機械学習、そして人間のループ内アクティブな学習をリンクする。
論文 参考訳(メタデータ) (2026-05-20T12:18:49Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳(メタデータ) (2023-12-21T14:26:57Z) - From Large Language Models to Knowledge Graphs for Biomarker Discovery
in Cancer [0.9437165725355702]
人工知能(AI)の難しいシナリオは、バイオメディカルデータを使用して、がんの病態の診断と治療のレコメンデーションを提供することである。
大規模知識グラフ(KG)は、意味的相互関連エンティティや関係に関する事実の統合と抽出によって構築することができる。
本稿では,癌特異的バイオマーカー発見と対話型QAを活用するドメインKGを開発する。
論文 参考訳(メタデータ) (2023-10-12T14:36:13Z) - Know2BIO: A Comprehensive Dual-View Benchmark for Evolving Biomedical
Knowledge Graphs [45.53337864477857]
Know2BIOは、バイオメディカルドメインのための汎用的なヘテロジニアスKGベンチマークである。
30の多様なソースからのデータを統合し、11のバイオメディカルカテゴリにわたる複雑な関係をキャプチャする。
Know2BIOは、バイオメディカルサイエンスの最新の知識を反映して、ユーザー指向の自動更新を行うことができる。
論文 参考訳(メタデータ) (2023-10-05T00:34:56Z) - 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) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳(メタデータ) (2022-08-01T18:47:03Z) - BIOS: An Algorithmically Generated Biomedical Knowledge Graph [4.030892610300306]
バイオメディカル・インフォマティクス・オントロジー・システム(BIOS)は,機械学習アルゴリズムによって完全に生成される,最初の大規模公開可能なBioMedKGである。
BIOSには4100万のコンセプト、2つの言語で740万の用語と730万のリレーション・トリプルが含まれている。
結果は、機械学習ベースのBioMedKG開発が、従来の専門家のキュレーションを置き換えるための、完全に実行可能なソリューションであることを示唆している。
論文 参考訳(メタデータ) (2022-03-18T14:09:22Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳(メタデータ) (2021-06-17T17:55:33Z) - Biomedical Knowledge Graph Refinement and Completion using Graph
Representation Learning and Top-K Similarity Measure [1.4660617536303606]
本研究は,統合生物医学知識グラフ chem2bio2rd の離散表現の学習を実証する。
学習した埋め込みベクトル間の単純なトップKコサイン類似度尺度を用いて知識グラフの補完と洗練を行う。
論文 参考訳(メタデータ) (2020-12-18T22:19:57Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z)
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。