論文の概要: EHR2Trace: Auditable EHR Data Infrastructure for Patient World Models and Clinical Agents

• arxiv url: http://arxiv.org/abs/2609.38193v1
• Date: Fri, 18 Sep 2026 04:00:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.29418
• Title: EHR2Trace: Auditable EHR Data Infrastructure for Patient World Models and Clinical Agents
• Title（参考訳）: EHR2Trace:患者ワールドモデルと臨床エージェントのための監査可能なEHRデータ基盤
• Abstract要約: EHR2Traceは、異なるソースからのEHRを、モデルトレーニングと評価のための追跡可能な患者イベントに変換するシステムである。 イベントをソースレコードにリンクし、イベント時間と情報可用性を分離し、医薬品の注文、ディスペンション、管理を区別する。 3つの臨床データセットの中で、EHR2Traceは846.4百万のイベントを変換し、MIMIC-IV上の1つのユニット一貫性チェックを除いて、適用可能なすべてのチェックパスをパスした。
• 参考スコア（独自算出の注目度）: 2.4566397953976784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Patient world models and clinical agents aim to predict changes in patients' health and support clinical work. Developing these systems requires reliable histories of patient conditions, treatments, and the information available at each decision. Electronic health records (EHRs) contain these histories, but differences in how events are recorded make them difficult to use consistently. We present EHR2Trace, a system that converts EHRs from different sources into traceable patient events for model training and evaluation. It links events to source records, separates event time from information availability, and distinguishes medication orders, dispensing, and administration. A shared event representation supports both OMOP and MEDS exports, with automated validation and reproducible builds. Across three clinical datasets, EHR2Trace converted 846.4 million events, with every applicable check passing except one unit-consistency check on MIMIC-IV, and detected all 28 injected faults. A controlled prediction experiment showed that assigning later diagnoses to admission time substantially inflated measured performance, and that a model trained on such data lost accuracy when deployed on histories filtered by availability. EHR2Trace provides a reusable data foundation for patient world models and clinical agents, helping researchers inspect patient histories, check conversion decisions, and evaluate models with explicit data rules.
• Abstract（参考訳）: 患者世界モデルと臨床薬品は、患者の健康の変化を予測し、臨床業務を支援することを目的としている。 これらのシステムを開発するには、患者の状態、治療、および各決定で利用可能な情報の信頼性の高い履歴が必要である。 電子健康記録(EHR)には、これらの履歴が含まれているが、記録方法の違いにより、一貫して使用するのが困難である。 EHR2Traceは、異なるソースからのEHRを、モデルトレーニングと評価のための追跡可能な患者イベントに変換するシステムである。 イベントをソースレコードにリンクし、イベント時間と情報可用性を分離し、医薬品の注文、ディスペンション、管理を区別する。 共有イベント表現はOMOPとMEDSエクスポートの両方をサポートし、自動検証と再現可能なビルドを提供する。 3つの臨床データセットの中で、EHR2Traceは846.4百万件のイベントを変換し、MIMIC-IV上の1つの単位整合性チェックを除いて適用可能なすべてのチェックをパスし、28の障害を全て検出した。 制御された予測実験では、後続の診断を入院時間に割り当てることによって測定結果が大幅に膨らませられ、そのようなデータに基づいてトレーニングされたモデルが、可用性によってフィルタリングされた履歴に展開すると精度が低下することが示された。 EHR2Traceは、患者世界モデルと臨床エージェントのための再利用可能なデータ基盤を提供し、研究者が患者の履歴を検査し、変換決定を確認し、明示的なデータルールでモデルを評価するのに役立つ。

関連論文リスト

• 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)
• CURENet: Combining Unified Representations for Efficient Chronic Disease Prediction [24.569877750738286]
  CURENetは、構造化されていない臨床ノート、検査結果、患者の時系列データを統合するマルチモーダルモデルである。 CURENetは、さまざまな臨床データ間の複雑な相互作用を捉え、慢性疾患のより信頼性の高い予測モデルを作成することができる。
  論文  参考訳（メタデータ） (2025-11-14T15:52:22Z)
• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• IGNITE: Individualized GeNeration of Imputations in Time-series Electronic health records [6.630372114304835]
  本研究では、患者動態を学習し、個人の人口動態の特徴や治療に合わせたパーソナライズされた値を生成する新しいディープラーニングモデルを提案する。 提案モデルであるIGNITEは,2段階の注意を付加した条件付き2変分オートエンコーダを用いて,個人に対して欠落した値を生成する。 IGNITEは,データ再構成の欠如やタスク予測において,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-01-09T07:57:21Z)
• Integrated Convolutional and Recurrent Neural Networks for Health Risk Prediction using Patient Journey Data with Many Missing Values [9.418011774179794]
  本稿では,統合畳み込みニューラルネットワークとリカレントニューラルネットワークを用いたEMH患者旅行データモデリングのためのエンドツーエンドアプローチを提案する。 本モデルでは,各患者旅行における長期的・短期的時間的パターンを抽出し,インパルスデータ生成を伴わずに,高レベルのEHRデータの欠落を効果的に処理することができる。
  論文  参考訳（メタデータ） (2022-11-11T07:36:18Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• EVA: Generating Longitudinal Electronic Health Records Using Conditional Variational Autoencoders [34.22731849545798]
  離散的な EHR の出会いと出会いの特徴を合成するための EHR Variational Autoencoder (EVA) を提案する。 EVAは現実的なシーケンスを生成でき、患者間の個人差を考慮し、特定の疾患条件で条件付けできる。 250,000人以上の患者を含む大規模な現実世界のEHRリポジトリの方法の有用性を評価します。
  論文  参考訳（メタデータ） (2020-12-18T02:37:49Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。