論文の概要: MedGate-Fusion: Integrating First-Encounter Semantic Narratives and Physiological Biomarkers for Prospective Stroke Risk Stratification
- arxiv url: http://arxiv.org/abs/2609.25272v1
- Date: Mon, 21 Sep 2026 18:17:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.080221
- Title: MedGate-Fusion: Integrating First-Encounter Semantic Narratives and Physiological Biomarkers for Prospective Stroke Risk Stratification
- Title（参考訳）: MedGate-Fusion:先進的ストロークリスク階層化のためのファースト・エンカウンター・セマンティック・ナラティクスと生理的バイオマーカーの統合
- Abstract要約: 本稿では,マルチモーダルゲートアーキテクチャであるMedGate-Fusionを提案する。
カナダプライマリケアセンチネル監視ネットワーク(CPCSSN)の電子カルテデータを用いた。
そこで本研究では, 意味的エンコーディングに先立って, 意味論的エンコーディングに先立って, 辞書に基づくストローク関連用語のリアクションを適用した。
- 参考スコア（独自算出の注目度）: 0.45745363375770226
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Prospective stroke risk stratification in primary care is challenging because early risk signals are distributed across routine biomarkers and unstructured clinical narratives. We propose MedGate-Fusion, a multi-modal gated architecture that integrates transformer-based embeddings of first-encounter narratives with ten routinely recorded risk markers. We used electronic medical record data from the Canadian Primary Care Sentinel Surveillance Network (CPCSSN). Starting from 808,921 encounter-level observations, we constructed a first-encounter cohort and retained 102,736 unique patient records with non-empty narratives and sufficient data to evaluate a five-year stroke outcome. To reduce explicit target leakage from diagnostic mentions in notes, we applied dictionary-based redaction of stroke-related terms prior to semantic encoding.
- Abstract（参考訳）: プライマリケアにおける前向き脳卒中リスクの成層化は、早期リスクシグナルが日常的なバイオマーカーや非構造的臨床物語に分散しているため困難である。
本稿では,マルチモーダルゲートアーキテクチャであるMedGate-Fusionを提案する。
カナダ・プライマリケアセンチネル監視ネットワーク(CPCSSN)の電子カルテデータを用いた。
808,921点から, 初診者コホートを作製し, 初診者記録102,736点, 非空話と5年間の脳卒中成績を評価するのに十分なデータを残した。
そこで本研究では, 意味的エンコーディングに先立って, 意味論的エンコーディングに先立って, 辞書に基づくストローク関連用語のリアクションを適用した。
関連論文リスト
- Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos [73.50200033931148]
我々はSynTAXスコアを血管セグメントのアイデンティティ保存解剖学的推論問題として再構成する。
本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨
論文 参考訳（メタデータ） (2026-09-20T11:08:19Z) - MultiSigBERT: Beyond Survival Analysis through Multimodal and Sequential Modeling in Oncology [1.4526244723917887]
オンコロジーにおける逐次生存モデリングのための統合フレームワークであるMultiSigBERTを提案する。
ここでは、文脈的単語の埋め込みを抽出し平均化することにより、物語医療報告を文幾何学的埋め込みに変換する。
これらの表現は、モダリティ固有のPCAと幾何学的埋め込みによって圧縮され、関節側方軌道を形成する。
計算されたシグナチャ特徴は、最終的に高次元の特徴としてLASSO正規化コックスモデルに組み込まれ、個別化リスクスコアを推定する。
論文 参考訳（メタデータ） (2026-08-17T12:44:38Z) - A report-grounded vision-language foundation model for colonoscopy from 280000 routine reports [58.14965296904734]
EndoCLIPは125,756の病変レベルの画像テキストペアに基づいて訓練された視覚言語基盤モデルである。
これは、ゼロショットとリニアプローブの両方の設定において、汎用およびバイオメディカルな視覚言語エンコーダよりも優れている。
論文 参考訳（メタデータ） (2026-07-30T16:24:36Z) - ProtoMedAgent: Multimodal Clinical Interpretability via Privacy-Aware Agentic Workflows [7.27267618572654]
ProtoMedAgentは、反復的なゼロ段階のテスト時間最適化問題としてマルチモーダルな臨床報告を定式化する。
オンライン生成は、厳密な集合論微分と反射的スクリーブ・クリティカルループによって制限される。
ProtoMedAgentは91.2%の比較集合Fithfulnessを実現し、標準RAG(46.2%)を根本的に上回る
論文 参考訳（メタデータ） (2026-05-13T20:57:37Z) - Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。
本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。
675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
論文 参考訳（メタデータ） (2026-04-29T17:59:28Z) - MIMIC-SR-ICD11: A Dataset for Narrative-Based Diagnosis [14.505360834752866]
MIMIC-SR-ICD11 は EHR から作成され,WHO ICD-11 の用語に適合する大規模な英語診断データセットである。
LL-Rankは,臨床報告の文脈から各ラベルの長さ正規化関節度を算出する。
論文 参考訳（メタデータ） (2025-11-07T18:55:22Z) - A Narrative-Driven Computational Framework for Clinician Burnout Surveillance [0.5281694565226512]
臨床医のバーンアウトは、特にICU(High-acuity intensive care Unit)において、患者の安全に重大な脅威をもたらす
本研究では,Beth Israel Deaconess Medical Centerの電子健康記録から得られたMIMIC-IVから,1万 ICU放電サマリーを解析した。
このデータセットは、バイタルサイン、医療命令、診断、処置、治療、特定自由テキスト臨床ノートを含む多様な患者データを含んでいる。
論文 参考訳（メタデータ） (2025-09-01T19:05:26Z) - SigBERT: Combining Narrative Medical Reports and Rough Path Signature Theory for Survival Risk Estimation in Oncology [1.5425688173297465]
SigBERTは、患者1人当たりの多数の臨床報告を処理するために設計された、革新的な時間的生存分析フレームワークである。
文章埋め込みに単語埋め込みを抽出し平均化することにより、タイムスタンプ化された医療報告を処理する。
これは、L'eon B'erard Center corpusの実際の腫瘍学データセットで訓練され、独立したテストコホート上でのC-インデックススコア0.75(sd 0.014)で評価された。
論文 参考訳（メタデータ） (2025-07-25T12:33:25Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - 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) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z)
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。