論文の概要: Ontology-Based Post-Coordinated Expression Assembly: from Clinical Narrative to Queryable Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2610.16474v1
- Date: Mon, 12 Oct 2026 09:28:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 22:57:15.88712
- Title: Ontology-Based Post-Coordinated Expression Assembly: from Clinical Narrative to Queryable Knowledge Graphs
- Title（参考訳）: オントロジーに基づくポストコーディネート表現アセンブリ:臨床物語からクエリー可能な知識グラフへ
- Abstract要約: 臨床腫瘍学の文書は、フリーテキストで決定的な情報を記録し、そこでは読みやすいが、大規模な検索はできない。
SNOMED CTの拡張文法に準拠した臨床物語から検索可能な知識グラフを導出する手法を提案する。
決定論的実装であるUNIGRAPHEは、アノテーション付きテキストから知識グラフを構築するためにこれらのルールを適用している。
- 参考スコア（独自算出の注目度）: 0.8719720906995416
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Clinical oncology documentation records decisive information in free text, where it remains readable but not retrievable at scale, leaving cohort identification dependent on incomplete diagnostic codes or manual review. The current standard, coding individual terms, captures what a document mentions, not what it asserts: meaning lies in how those terms relate to one another. We present a method for deriving queryable knowledge graphs from clinical narratives, conforming to the Extended Grammar of SNOMED CT across multiple ontologies. The method specifies how entities should be annotated and related. It defines five relation classes, each bound to a construction rule that assembles the entities and relations into post-coordinated expressions. A deterministic implementation, UNIGRAPHE, applies those rules to construct knowledge graphs from annotated text. Applied to expert-annotated real-world oncology documentation, UNIGRAPHE reconstructed 5,299 annotations into 2,196 post-coordinated expressions and shows that relation structure is the missing piece to make clinical narrative formally queryable.
- Abstract（参考訳）: 臨床腫瘍学の文書は、未完成の診断コードや手動のレビューに依存するコホート識別を残さずに、読みやすいが大規模に検索できない自由テキストで決定的な情報を記録している。
個々の用語をコーディングする現在の標準は、文書が言及するものをキャプチャします。
本稿では,複数のオントロジーにまたがるSNOMED CTの拡張文法に則って,検索可能な知識グラフを臨床物語から抽出する手法を提案する。
このメソッドは、エンティティをアノテーションと関連付ける方法を指定する。
5つの関係クラスを定義し、それぞれが構成規則に結びつき、エンティティと関係を協調後の表現に組み立てる。
決定論的実装であるUNIGRAPHEは、アノテーション付きテキストから知識グラフを構築するためにこれらのルールを適用している。
UNIGRAPHEは5,299のアノテーションを2,196のポストコーディネート表現に再構成し、臨床物語を形式的にクエリー可能にするために、関係構造が欠落していることを示す。
関連論文リスト
- Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。
本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。
その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2026-09-07T17:39:06Z) - Anonpsy: A Graph-Based Framework for Structure-Preserving De-identification of Psychiatric Narratives [1.4652274443334974]
我々は、タスクをグラフ誘導セマンティックリライトとして再構成する非識別フレームワークであるAnonpsyを紹介した。
解剖学は、各物語を臨床的実体、時間的アンカー、型付き関係をコードする意味グラフに変換する。
専門家、セマンティクス、GPT-5に基づく評価の下で、診断の正確性を維持しながら、常に低い再識別リスクを達成している。
論文 参考訳（メタデータ） (2026-01-20T01:37:44Z) - Clinical Knowledge Graph Construction and Evaluation with Multi-LLMs via Retrieval-Augmented Generation [1.155620308725562]
大規模言語モデル(LLM)は、構造化されていない臨床物語から知識グラフを構築する新しい機会を提供する。
既存のアプローチは、しばしば構造化された入力に依存し、事実の正確さと意味的な一貫性の堅牢な検証が欠如している。
マルチエージェントプロンプトとスキーマ制約付き検索・拡張生成戦略を用いた臨床用KG構築のためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-05T07:16:29Z) - SNOMED CT-powered Knowledge Graphs for Structured Clinical Data and Diagnostic Reasoning [10.805834750887966]
本稿では,標準化された臨床用語SNOMED CTとNeo4jグラフデータベースを統合し,構造化された医療知識グラフを構築するための知識駆動フレームワークを提案する。
エンティティ-リレーショナルペアの抽出と標準化により、明示的な診断経路を埋め込んだ構造化・フォーマットされたデータセットを生成する。
実験の結果,我々の知識誘導アプローチは,AIによる診断推論の有効性と解釈可能性を高めることが示された。
論文 参考訳（メタデータ） (2025-10-19T15:50:33Z) - Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。
本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。
SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
論文 参考訳（メタデータ） (2025-09-30T08:59:06Z) - Lattice-preserving $\mathcal{ALC}$ ontology embeddings with saturation [50.05281461410368]
OWL表現の埋め込みを生成するため,順序保存型埋め込み法を提案する。
本手法は,いくつかの知識ベース完了タスクにおいて,最先端の組込み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） (2023-05-11T22:27:51Z) - Development and validation of a natural language processing algorithm to
pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。
臨床文献のコーパスを12種類に分類した。
私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文 参考訳（メタデータ） (2023-03-23T17:17:46Z) - Hierarchical Annotation for Building A Suite of Clinical Natural
Language Processing Tasks: Progress Note Understanding [4.5939673461957335]
本研究は,臨床テキスト理解,臨床推論,要約を行うための3段階の階層的アノテーションスキーマを導入する。
我々は,公開日誌の広範囲な収集に基づいて注釈付きコーパスを作成した。
また、3つのアノテーションステージを利用する3つのタスクで、プログレッシブノート理解という新しいタスクスイートも定義します。
論文 参考訳（メタデータ） (2022-04-06T18:38:08Z) - MIMICause : Defining, identifying and predicting types of causal
relationships between biomedical concepts from clinical notes [0.0]
本研究は, ガイドラインの策定, 注釈付きコーパスの開発, 臨床ノートにおけるバイオメディカル概念間の因果関係のタイプと方向を特定するためのベースラインスコアの提供を目的とする。
2018 n2c2共有タスクデータセットからサンプリングされた、合計2714の特定されていないサンプルを注釈付けし、4つの異なる言語モデルベースのアーキテクチャをトレーニングします。
臨床用テキストにおける注釈書間の高い合意は,本ガイドラインの質を示す一方で,提案されたベースラインF1は,臨床用テキストにおける物語の理解に向けた今後の研究の方向性を示す。
論文 参考訳（メタデータ） (2021-10-14T00:15:36Z) - 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) - Clinical Named Entity Recognition using Contextualized Token
Representations [49.036805795072645]
本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。
言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。
明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
論文 参考訳（メタデータ） (2021-06-23T18:12:58Z)
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。