Fugu-MT 論文翻訳(概要): Multimodal Dual-Encoder Retrieval for Automated ICD Coding

論文の概要: Multimodal Dual-Encoder Retrieval for Automated ICD Coding

arxiv url: http://arxiv.org/abs/2610.04263v1
Date: Sat, 03 Oct 2026 03:39:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-12 12:10:02.371287
Title: Multimodal Dual-Encoder Retrieval for Automated ICD Coding
Title（参考訳）: 自動ICD符号化のためのマルチモーダルデュアルエンコーダ検索
Abstract要約: 本研究では,マルチモーダルデュアルエンコーダ検索モデルを用いて,まずICDコードを取得する2段階のフレームワークを提案する。第2段階では、LLMベースのリランカでトップk検索候補を洗練し、臨床に関係のある説明でランク付けされたコードを提供する。
参考スコア（独自算出の注目度）: 0.4994217118194455
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate International Classification of Diseases (ICD) coding is crucial for large-scale clinical research, documentation, and billing. There are three primary problems with current ICD prediction methods: (1) They are unable to comprehend multimodal patient data because they rely on either structured EHR data or unstructured clinical notes. (2) They also struggle with scalability to a larger amount of ICD codes (9K+ codes in ICD-9), as traditional classifiers need dense output layers and often do not generalize well to long tail rare diseases. (3) They lack transparency for clinical use. To address these challenges, this research proposes a two-stage framework that first retrieves ICD codes using a multimodal dual-encoder retrieval model, where structured and unstructured patient data are integrated through gated fusion. The second stage refines the top-k retrieved candidates with an LLM-based re-ranker that provides ranked codes with clinically relevant explanations. Our experiments show that the proposed approach improves Micro-F1 and Precision over a multimodal dual-fusion classifier baseline. These improvements demonstrate that combining a gated multimodal retrieval system with LLM-based re-ranking is a practical alternative to dense multi-label classification for automated ICD coding.
Abstract（参考訳）: 正確な国際疾患分類(ICD)のコーディングは、大規模臨床研究、ドキュメント、請求書作成に不可欠である。現在のICD予測法には3つの大きな問題がある: 1) 構造化ERHデータまたは非構造化臨床ノートに依存するため、マルチモーダル患者データを理解できない。 2) 従来の分類器では高密度の出力層が必要であり, 長い尾のレアな疾患に対して一般化できないことが多いため, 大量のICD符号(ICD-9では9K以上の符号)への拡張性にも苦慮している。 (3)臨床用には透明性が欠如している。これらの課題に対処するため,本研究では,構造化および非構造化の患者データをゲート融合により統合したマルチモーダルデュアルエンコーダ検索モデルを用いて,まずICDコードを検索する2段階のフレームワークを提案する。第2段階では、LLMベースのリランカでトップk検索候補を洗練し、臨床に関係のある説明でランク付けされたコードを提供する。提案手法は,マイクロF1と精度をマルチモーダルデュアルフュージョン分類器ベースライン上で向上することを示す。これらの改良により、ゲート型マルチモーダル検索システムとLLMを用いた再ランク付けが、ICDの自動符号化のための高密度なマルチラベル分類の代替となることが示される。

関連論文リスト

Deep Label-Wise Attentive Temporal Convolutional Networks Improve Medical Coding [54.92174500158608]
タスクを多ラベルテキスト分類問題としてモデル化する。本稿では,多層時間畳み込みネットワーク(TCN)を用いたディープニューラルモデルを提案する。本手法は,従来モデルに比べてF-1スコア(9%増加)が有意に向上し,リコールスコア(28%増加)が顕著に増加した。
論文参考訳（メタデータ） (2026-07-27T22:48:05Z)
RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文参考訳（メタデータ） (2025-09-24T10:36:14Z)
Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
論文参考訳（メタデータ） (2024-12-02T15:25:02Z)
Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification [22.323705343864336]
3つのアイデアを取り入れた新しいICDインデクシング手法を提案する。臨床ノートから情報を収集するために,多レベル深部拡張残差畳み込みエンコーダを用いた。我々はICD分類の課題を医療記録の補助的知識で定式化する。
論文参考訳（メタデータ） (2024-05-29T13:44:07Z)
Exploring LLM Multi-Agents for ICD Coding [15.730751450511333]
ICD符号化のためのマルチエージェント方式は実世界の符号化プロセスを効果的に模倣し、一般的な符号と稀な符号の両方の性能を向上させる。提案手法は, 事前学習や微調整を必要とする最先端のICD符号化手法に匹敵する結果を得るとともに, 稀なコード精度, 説明可能性で性能を向上する。
論文参考訳（メタデータ） (2024-04-01T15:17:39Z)
Automated clinical coding using off-the-shelf large language models [10.365958121087305]
診断用ICD符号を患者病院入院に割り当てる作業は、典型的には、熟練した人間のコーダーによって行われる。自動ICD符号化への取り組みは、教師付きディープラーニングモデルによって支配されている。本研究では,既製の事前学習型大規模言語モデルを活用し,実用的ソリューションを開発する。
論文参考訳（メタデータ） (2023-10-10T11:56:48Z)
A Two-Stage Decoder for Efficient ICD Coding [10.634394331433322]
ICD符号の予測のための2段階復号機構を提案する。まず、まず親コードを予測し、その子コードを前回の予測に基づいて予測する。公開MIMIC-IIIデータセット実験により,本モデルが単一モデル設定で良好に動作することを示す。
論文参考訳（メタデータ） (2023-05-27T17:25:13Z)
Efficient Nearest Neighbor Search for Cross-Encoder Models using Matrix Factorization [60.91600465922932]
本稿では,クロスエンコーダのみに頼って,二重エンコーダによる検索を回避する手法を提案する。我々のアプローチは、現在の広く使われている方法よりも優れたテスト時間リコール-vs計算コストトレードオフを提供する。
論文参考訳（メタデータ） (2022-10-23T00:32:04Z)
TransICD: Transformer Based Code-wise Attention Model for Explainable ICD Coding [5.273190477622007]
国際疾患分類法 (ICD) は, 医療分野の請求システムにおいて有効かつ重要であることが示されている。現在、ICDコードは手動で臨床メモに割り当てられており、多くのエラーを引き起こす可能性がある。本稿では,文書のトークン間の相互依存を捉えるためにトランスフォーマーベースのアーキテクチャを適用し,コードワイド・アテンション・メカニズムを用いて文書全体のコード固有表現を学習する。
論文参考訳（メタデータ） (2021-03-28T05:34:32Z)
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)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。