論文の概要: CliniCIRCA: A Modular LLM Framework for Constructing Longitudinal Mental Health Patient Journeys from Raw EHR Narratives
- arxiv url: http://arxiv.org/abs/2609.19585v1
- Date: Thu, 17 Sep 2026 02:13:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.067572
- Title: CliniCIRCA: A Modular LLM Framework for Constructing Longitudinal Mental Health Patient Journeys from Raw EHR Narratives
- Title（参考訳）: CliniCIRCA : 高齢者の縦断的精神保健活動構築のためのモジュール型LCMフレームワーク
- Abstract要約: CliniCIRCA(CliniCIRCA)について報告する。
我々の知る限り、CliniCIRCAは、イベントレベルのタイムスタンプなしで、非構造化放電サマリー間で臨床イベントを時間的に分類する最初のものである。
- 参考スコア（独自算出の注目度）: 18.032405921728216
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In mental health care, reasoning over patient journeys is a key task for clinicians. Yet these journeys, encompassing a longitudinal progression of biological, psychological, and social events, are often spread across disparate unstructured text narratives, making temporal recovery challenging. We present CliniCIRCA, a multi-stage LLM framework for Calendar-anchored, Imprecision-aware Reconstruction of Clinical Annals. To our knowledge, CliniCIRCA is the first to temporally classify clinical events across unstructured discharge summaries without event-level timestamps. From 14,882 MIMIC-III mental health admissions, we first construct a benchmark of 52 discharge summaries on which CliniCIRCA produces 15,891 temporally tagged events. After correcting 629 errors based on a clinician-in-the-loop evaluation, we produce verified gold-standard labels. Finally, the corrected timelines drive a temporally grounded summarization stage that compresses each source 1.52 times into a date-grouped chronological record. We then scale the framework to generate 1,000 silver-standard timelines and evaluate them as training data. Compared with zero- and few-shot prompting, instruction tuning generally improves five open-weight models on event extraction, temporal tagging, and summarization across silver and clinician-verified evaluations.
- Abstract（参考訳）: 精神医療では、患者旅行に関する推論が臨床医にとって重要な課題である。
しかし、これらの旅は、生物学的、心理学的、社会的な出来事の縦断的な進行を包含しており、しばしば異なる非構造的テキスト物語に分散し、時間的回復を困難にしている。
CliniCIRCAはカレンダー・アンコール・インプレクション・アウェア・コンストラクションのための多段階LCMフレームワークである。
我々の知る限り、CliniCIRCAは、イベントレベルのタイムスタンプなしで、非構造化放電サマリー間で臨床イベントを時間的に分類する最初のものである。
14,882MIMIC-IIIのメンタルヘルス入院から,CliniCIRCAが15,891件の時間的タグ付けイベントを発生させる52件の退院サマリーのベンチマークを構築した。
クリニック・イン・ザ・ループ評価に基づいて629個の誤りを補正した後, 検証されたゴールドスタンダードラベルを作成した。
最後に、修正されたタイムラインは、各ソースを1.52倍の日付群時系列レコードに圧縮する時間的基底化された要約ステージを駆動する。
次に、フレームワークをスケールして1000の銀標準のタイムラインを生成し、トレーニングデータとして評価します。
ゼロショットと少数ショットのプロンプトと比較すると、インストラクションチューニングは一般的に、イベント抽出、時間的タグ付け、銀と臨床で検証された評価の要約に関する5つのオープンウェイトモデルを改善する。
関連論文リスト
- CRAFT: LLM-Based Iterative Refinement for Temporal Reasoning over Clinical Narratives [5.378407274546433]
CRAFTは、目標とするフィードバックを通じて段階的な症状タイムラインを作成し、洗練するフレームワークである。
MedTempoは,3種類のワクチンにまたがる5,347件のワクチン有害な物語の新たなベンチマークである。
論文 参考訳（メタデータ） (2026-08-13T03:37:11Z) - Evaluating Large Language Models in Dynamic Clinical Decision-Making with Standardized Patient Cases [71.12461204050985]
MedSP1000 (MedSP1000) は、SP由来の臨床エージェント評価のための対話型ベンチマークである。
ピアレビューされたSPの授業ケースを、定義されたSPケーススクリプト、臨床環境コンテキスト、人為的な構造化ルーブリックで実行可能なシナリオに変換する。
MedSP1000を多種多様な汎用および医療用LLMに適用すると、静的ベンチマークの性能がそのような教育シナリオに確実に変換されないことが分かる。
論文 参考訳（メタデータ） (2026-06-03T17:17:16Z) - Text Knows What, Tables Know When: Clinical Timeline Reconstruction via Retrieval-Augmented Multimodal Alignment [4.42383617731229]
本稿では,テキストから抽出した絶対的臨床タイムラインの時間的精度を向上させるために,検索強化型マルチモーダルアライメントフレームワークを提案する。
提案手法は,グラフベースのマルチステッププロセスとしてタイムライン再構成を定式化する。
論文 参考訳（メタデータ） (2026-05-14T17:55:27Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - Temporally Phenotyping GLP-1RA Case Reports with Large Language Models: A Textual Time Series Corpus and Risk Modeling [3.6611037112655818]
グルカゴン様ペプチド1受容体アゴニストを含む症例報告の時系列コーパスを開発した。
臨床領域の専門家によるゴールド・スタンダード・タイムラインに対するLPMタイムラインの自動抽出について検討した。
最高の性能のLCMは、高いイベントカバレッジ、症状、診断、治療、検査、結果の信頼できる時間的シークエンシングを実現した。
論文 参考訳（メタデータ） (2026-03-12T20:45:06Z) - LLM-Driven Treatment Effect Estimation Under Inference Time Text Confounding [47.977213215653826]
トレーニング時間と推測時間の間に得られるデータとの相違が治療効果のバイアスのある推定に繋がることを示した。
本稿では,推測時間テキストの共起を明示的に考慮した治療効果を推定するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-03T17:52:27Z) - A Large-Language Model Framework for Relative Timeline Extraction from PubMed Case Reports [10.869574822060553]
本稿では,ケースレポートを時系列化されたテキストイベントとタイムスタンプのペアに変換するシステムを提案する。
この研究は、時間分析にPMOAコーパスを活用するためのベンチマークとして機能する可能性がある。
論文 参考訳（メタデータ） (2025-04-15T20:54:19Z) - CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。
提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
論文 参考訳（メタデータ） (2024-11-01T15:54:07Z) - Combining Hierachical VAEs with LLMs for clinically meaningful timeline
summarisation in social media [14.819625185358912]
本稿では,階層型VAEとLPM(LlaMA-2)を組み合わせて,ソーシャルメディア利用者のタイムラインから臨床的に意味のある要約を生成するハイブリッド抽象要約手法を提案する。
得られた要約を,専門家に対する自動評価と臨床専門家による人的評価により評価し,TH-VAEによる時系列要約により,臨床的有用性に富む事実的かつ論理的に整合した要約が得られ,経時的変化を捉えたLCMのみのアプローチよりも優れていることを示す。
論文 参考訳（メタデータ） (2024-01-29T15:42:57Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z)
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。