論文の概要: HCOE: Hyperbolic Clinical Ontology Embeddings from Biomedical Language Models

• arxiv url: http://arxiv.org/abs/2609.30763v1
• Date: Fri, 25 Sep 2026 03:39:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.221519
• Title: HCOE: Hyperbolic Clinical Ontology Embeddings from Biomedical Language Models
• Title（参考訳）: HCOE:生物医学的言語モデルを用いた双曲型臨床オントロジー
• Abstract要約: 階層型臨床概念表現のためのハイパーボリック・オントロジー・エンベッド(H)を提案する。 臨床分類ソフトウェア(英語版) (ATC) の薬物階層によって組織された国際疾患分類 (ICD) コードを使用する。 また、死亡予測、再送予測、レコメンデーション、稀な予測でも最高のパフォーマンスを達成している。
• 参考スコア（独自算出の注目度）: 25.745896926542773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biomedical language models (LMs) encode textual semantics but do not explicitly preserve medical code hierarchies. We present Hyperbolic Clinical Ontology Embeddings (HCOE) for hierarchy-aware clinical concept representation. HCOE maps frozen BioBERT embeddings into a Poincare ball, combining parent-side and child-side ontology-guided contrastive learning with coarse-to-fine ontology-path aggregation. It uses International Classification of Diseases (ICD) codes organized by Clinical Classifications Software (CCS) and Anatomical Therapeutic Chemical (ATC) medication hierarchies. Evaluations show that HCOE performs best on ICD/ATC clinical relation prediction and CCS-to-PheCode hierarchy transfer. On the MIMIC-IV dataset, HCOE also achieves the best performance on mortality prediction, readmission prediction, medication recommendation, and rare drug prediction.
• Abstract（参考訳）: バイオメディカル言語モデル(LM)は、テキストセマンティクスを符号化するが、医療コードの階層を明示的に保持しない。 階層型臨床概念表現のためのHCOE(Hyperbolic Clinical Ontology Embeddings)を提案する。 HCOEは、凍結したBioBERTをポインケアボールにマッピングし、親側と子側オントロジーによるコントラスト学習と粗いオントロジー-パスアグリゲーションを組み合わせた。 臨床分類ソフトウェア (CCS) と解剖学的治療化学 (ATC) の薬物階層によって編成された国際疾患分類 (ICD) コードを使用する。 HCOE はICD/ATC 臨床関係予測と CCS-to-PheCode 階層転送に優れていた。 MIMIC-IVデータセットでは、HCOEは死亡予測、寛容予測、医薬品推奨、希少薬物予測において最高のパフォーマンスを達成する。

関連論文リスト

• Graph-Supervised Hierarchical Clinical Alignment for Radiology Report Generation with Large Language Models [46.202482780666635]
  Graph-Hierarchicald Supervised Clinical Alignmentは、階層的な臨床アライメント問題としてイメージレポートの監督を再構築する。 本手法は, このアライメントを, 管理を2つのレベルに分解した疾患条件付きプロセスとして構成する。 MIMIC-CXR,IU-Xray,COV-CTRを用いた実験により,本手法は従来と臨床の両方の指標における性能を一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-08-25T06:32:26Z)
• 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)
• BioHiCL: Hierarchical Multi-Label Contrastive Learning for Biomedical Retrieval with MeSH Labels [4.913209783571182]
  我々は,階層型MeSHアノテーションを活用し,多言語コントラスト学習のための構造化された監視を提供するBioHiCL(Biomedical Retrieval with Hierarchical Multi-Label Contrastive Learning)を提案する。 我々のモデルであるBioHiCL-Base (0.1B) とBioHiCL-Large (0.3B) は、バイオメディカル検索、文類似性、質問応答タスクにおいて、計算効率を保ちながら有望な性能を達成する。
  論文  参考訳（メタデータ） (2026-04-17T00:09:01Z)
• TopoCL: Topological Contrastive Learning for Medical Imaging [13.944892759807473]
  TopoCLは、医用画像のコントラスト学習において、トポロジカルな構造を明示的に活用する。 TopoCLは、統計学的に重要な線形プローブ分類の精度で+3.26%の平均的な向上を達成している。
  論文  参考訳（メタデータ） (2026-03-15T23:03:53Z)
• AD-CDO: A Lightweight Ontology for Representing Eligibility Criteria in Alzheimer's Disease Clinical Trials [13.06256692148947]
  今回我々は,1500人以上のアルツハイマー病の臨床治験から高周波の概念を抽出した。 我々は、これらを、疾患、メディケーション、診断テスト、処置、社会的決定要因、レーティング基準、妊婦の7つの意味カテゴリーに分類した。 最適化されたAD-CDOは、解釈可能性とコンパクト性を保ちながら、抽出された試行概念の63%以上をカバーした。
  論文  参考訳（メタデータ） (2025-11-20T18:21:41Z)
• AUTOCT: Automating Interpretable Clinical Trial Prediction with LLM Agents [47.640779069547534]
  AutoCTは、大規模言語モデルの推論能力と古典的な機械学習の説明可能性を組み合わせた、新しいフレームワークである。 臨床治験予測タスクにおいて, AutoCT は SOTA 法と同等以上の性能を示した。
  論文  参考訳（メタデータ） (2025-06-04T11:50:55Z)
• Hierarchical Pretraining for Biomedical Term Embeddings [4.69793648771741]
  階層データに基づく新しいバイオメディカル用語表現モデルであるHiPrBERTを提案する。 HiPrBERTは階層的な情報からペアワイズ距離を効果的に学習し,さらにバイオメディカルな応用に極めて有用な埋め込みを実現できることを示す。
  論文  参考訳（メタデータ） (2023-07-01T08:16:00Z)
• Clinical Note Owns its Hierarchy: Multi-Level Hypergraph Neural Networks for Patient-Level Representation Learning [1.2891210250935146]
  分類学を考慮したマルチレベルハイパーグラフニューラルネットワーク(TM-HGNN)を提案する。 TM-HGNNは、臨床意味情報を保持するために、ノートおよび分類レベルハイパーエッジを介して稀なキーワードで有用な中性単語を組み立てる。 我々は,MIMIC-IIIデータセットを用いた広範囲な実験を行い,TM-HGNNの有効性を検証する。
  論文  参考訳（メタデータ） (2023-05-16T19:08:18Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• ICDBigBird: A Contextual Embedding Model for ICD Code Classification [71.58299917476195]
  文脈単語埋め込みモデルは、複数のNLPタスクにおいて最先端の結果を得た。 ICDBigBirdは、Graph Convolutional Network(GCN)を統合するBigBirdベースのモデルである。 ICD分類作業におけるBigBirdモデルの有効性を実世界の臨床データセットで実証した。
  論文  参考訳（メタデータ） (2022-04-21T20:59:56Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)

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。