論文の概要: Clinical Intent Extraction: A FHIR-Aligned Representation and the CIRCA Benchmark

• arxiv url: http://arxiv.org/abs/2609.29479v1
• Date: Mon, 24 Aug 2026 07:42:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.040343
• Title: Clinical Intent Extraction: A FHIR-Aligned Representation and the CIRCA Benchmark
• Title（参考訳）: FHIR適応表現とCIRCAベンチマーク
• Abstract要約: 臨床行動、フォローアップ、命令、レファラール、指示は、非com-patible corporaにまたがる細い断片に注釈付けされる。 本稿では,これらのアクションを完全構造化された再配置として回収するCIEと,各アクションを動詞,型,符号化対象,タイミング,条件に分解するCIRを紹介する。 CIRにおける5つのヘテロジニアスコーパスを再発現すると、CIRCA:10,011は2つの音符分布にまたがる調和された意図を持ち、ヒトに有意なサブセット、ソース・ツー・CIR横断歩道、および1となる。
• 参考スコア（独自算出の注目度）: 47.027290803102666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prospective clinical actions, the follow-ups, orders, referrals, and instructions that deter-mine what happens to a patient next, are annotated today in thin fragments across incom-patible corpora: each records a text span and one coarse category. We introduce Clinical Intent Extraction (CIE), the task of recovering these actions as complete structured rec-ords, and the Clinical Intent Representation (CIR), which decomposes each action into its verb, type, coded target, timing, and condition, and adds two axes prior datasets do not jointly represent: request-intent, the authority behind the action (proposal, plan, order, or option, aligned to HL7 FHIR), and modality, a seven-valued scale of clinical strength. Re-expressing five heterogeneous corpora (CLIP, MedDec, ap_parsing, PaniniQA, SIMORD) in the CIR yields CIRCA: 10,011 harmonized intents spanning two note distributions, with a human-validated subset, source-to-CIR crosswalks, and a deterministic FHIR R4 mapper. CIRCA is built by three-model consensus that auto-accepts high-agreement in-tents and routes the rest to human review; the audited agreement stratum matches human decisions 88.4% of the time. Benchmarking five existing models without task-specific training exposes the gap CIRCA targets: given the span, they label type well (85 to 91%) but get all four closed fields right only 18 to 35% of the time. All artifacts are released, with MIMIC-derived layers shared as stand-off annotations under PhysioNet credentialed access.
• Abstract（参考訳）: 先進的な臨床行動、フォローアップ、命令、レファラール、そして次に患者に起こることを抑止する指示は、今日、非包括的コーパスにまたがる細い断片で注釈され、それぞれがテキストスパンと粗いカテゴリを記録している。 本稿では,これらのアクションを完全な構造的再帰として回収するCIEと,各アクションを動詞,タイプ,符号化対象,タイミング,条件に分解するCIR,および2つの先行データセットを共同で表現しない:要求インテント,アクションの背後にある権威(プロモーサル,計画,順序,オプション,HL7 FHIRに適合),および7つの評価された臨床強度の尺度であるモダリティ(モダリティ)を導入する。 CIRにおける5つの異種コーパス(CLIP、MedDec、ap_parsing、パニーニQA、SIMORD)を再発現すると、CIRCA:10,011個の音符分布にまたがる調和した意図が、ヒトに有意なサブセット、ソースからCIRのクロスウォーク、決定論的FHIR R4マッパーを持つ。 CIRCAは、高信頼のインテントを自動受け入れ、残りは人間によるレビューにルートするという3つのモデルによる合意によって構築され、監査された合意は人間の判断と88.4%の時間で一致している。 タスク固有のトレーニングなしで既存の5つのモデルをベンチマークすると、CIRCAの目標とのギャップが明らかになる。 すべてのアーティファクトがリリースされ、MIMIC由来のレイヤはPhyloNet認証アクセスの下でスタンドオフアノテーションとして共有される。

関連論文リスト

• Knowledge-Enriched Structured EHR Features for 30-Day Hospital Readmission Prediction on MIMIC-IV [3.93987748643305]
  本研究では,EHR(Electronic Health Record)データを4つの医療知識ソースで強化した,知識に富んだ特徴表現を提案する。 それぞれの特徴次元は、名前付き臨床概念に対応し、スパースで解釈可能な患者表現をもたらす。 20倍のクロスバリデーションでは、最高の構成でAUROCは0.743となる。
  論文  参考訳（メタデータ） (2026-09-14T15:14:25Z)
• Three Generations of Healthcare IT: From the Digital Record to the Computable Care Process [47.027290803102666]
  対象が患者固有の臨床目的である計算層について述べる。 我々は第3層の原子オブジェクトとしてActionable Clinical Recordを定式化する。
  論文  参考訳（メタデータ） (2026-08-09T16:44:28Z)
• MedCRP-CL: Continual Medical Image Segmentation via Bayesian Nonparametric Semantic Modality Discovery [0.0]
  MedCRP-CLは,オンラインタスク構造探索と構造認識連続学習を行うフレームワークである。 物理的画像モダリティよりも微細な構造を捉えることで,これらの意味的モダリティを表現した。 4つの画像モダリティにまたがる16の医療セグメンテーションタスクの実験では、MedCRP-CLが73.3%のDiceスコアを達成し、わずか4.1%が忘れている。
  論文  参考訳（メタデータ） (2026-05-19T11:28:16Z)
• ClinicalBench: Stress-Testing Assertion-Aware Retrieval for Cross-Admission Clinical QA on MIMIC-IV [0.0]
  推論ベンチマークはクリーンインプットの臨床的パフォーマンスを測定する。 我々は, 否定, 時間性, 家族反対の帰属が正しい答えを誤ったものに戻すことができる, 実際の EHR ノートを検索することで, 推論の段階を評価する。 EpiKGは、アサーションラベルと時間性タグを患者の知識グラフに格納し、質問意図による検索をルーティングする。
  論文  参考訳（メタデータ） (2026-05-11T18:47:52Z)
• 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)
• Can Reasoning LLMs Enhance Clinical Document Classification? [7.026393789313748]
  大規模言語モデル(LLM)は、このタスクの正確性と効率性において有望な改善を提供する。 本研究では,8つのLDMの性能と一貫性を評価する。4つの推論(Qwen QWQ, Deepseek Reasoner, GPT o3 Mini, Gemini 2.0 Flash Thinking)と4つの非推論(Llama 3.3, GPT 4o Mini, Gemini 2.0 Flash, Deepseek Chat)。 その結果、推論モデルは精度71%(68%)とF1スコア(67%(60%))で非推論モデルを上回った。
  論文  参考訳（メタデータ） (2025-04-10T18:00:27Z)
• How Well Can Modern LLMs Act as Agent Cores in Radiology Environments? [54.36730060680139]
  RadA-BenchPlatは、放射線学環境での大規模言語モデル(LLM)のパフォーマンスをベンチマークする評価プラットフォームである。 また、エージェント駆動型タスク解決ツールの10のカテゴリを定義し、7つの主要なLCMを評価している。
  論文  参考訳（メタデータ） (2024-12-12T18:20:16Z)
• 4D-OR: Semantic Scene Graphs for OR Domain Modeling [72.1320671045942]
  本稿では,手術シーンを記述・要約するために意味シーングラフ(SSG)を提案する。 シーングラフのノードは、医療スタッフ、患者、医療機器など、部屋内のさまざまなアクターやオブジェクトを表す。 人工膝置換手術を10回行った4D-ORデータセットを作成した。
  論文  参考訳（メタデータ） (2022-03-22T17:59:45Z)
• COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
  本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。 実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T21:01:33Z)

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。