論文の概要: UMCR: Universal Medical Concept Recognition through Guideline Integration and Agentic Linking

• arxiv url: http://arxiv.org/abs/2610.17363v1
• Date: Mon, 12 Oct 2026 20:19:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 19:15:27.590714
• Title: UMCR: Universal Medical Concept Recognition through Guideline Integration and Agentic Linking
• Title（参考訳）: UMCR:ガイドライン統合とエージェントリンクによるユニバーサル医療概念認識
• Abstract要約: そこで本研究では,任意のソーステキストを用いた任意のオントロジーの抽出とリンクを可能にするパイプラインを提案する。 この能力は、医療領域における相互運用性を解放し、異なる医療標準間の抽出と整合を可能にする。
• 参考スコア（独自算出の注目度）: 6.561626017725988
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical Concept Recognition is the task of extracting and grounding spans in medical text to entries in a standard ontology. Current methods are generally developed towards a single ontology and source text type (clinical notes, drug labels, etc.) The central challenge is therefore to build methods that adapt to any target ontology without requiring ontology-specific retraining. More recent approaches like REAL and AutoPCR make direct use of Large Language Models and can theoretically adapt to any ontology choice but suffer from a lack of generalization. We propose UMCR, a pipeline that allows extraction and linking to any target ontology using any source text variety, utilizing direct guideline integration and an agentic linking module. We evaluate our method on the recent MedPath benchmark, covering a wide variety of medical text types and vocabularies, and show that our method achieves strong performance across these tasks. This ability unlocks interoperability in the healthcare domain, allowing for extraction and alignment between different medical standards. Our method also reduces dependence on parametric LLM memory, thanks to improved interaction with the target ontology compared to other proposed approaches.
• Abstract（参考訳）: 医学概念認識は、標準的なオントロジーの項目に医学テキストのスパンを抽出し、接地するタスクである。 現在の手法は一般に単一のオントロジーとソーステキストタイプ(クリニカルノート、ドラッグラベルなど)に向けて開発されている。 REALやAutoPCRといった最近のアプローチでは、大規模言語モデルを直接利用でき、理論上はオントロジーの選択に適応できるが、一般化の欠如に悩まされている。 我々は,任意のソーステキストから任意のオントロジーを抽出・リンクするパイプラインであるUMCRを提案し,直接ガイドライン統合とエージェントリンクモジュールを利用する。 我々は,MedPathベンチマークを用いて,医療用テキストの種類や語彙を多岐にわたってカバーし,これらの課題に対して高い性能を達成できることを実証した。 この能力は、医療領域における相互運用性を解放し、異なる医療標準間の抽出と整合を可能にする。 提案手法は,他の提案手法と比較して,目標オントロジーとの相互作用が改善されたため,パラメトリックLCMメモリへの依存を低減する。

関連論文リスト

• Anchor-driven Multi-modal Multi-scale Expert Selection for Survival Prediction [88.75611734671661]
  生存予測のためのアンカー駆動型マルチモーダル・マルチスケールエキスパート選択(AM$2$ES)フレームワークを提案する。 具体的には,Anchor-driven Multi-modal Fusion (AMF)モジュールについて述べる。 この整列したセマンティック空間に基づいて、階層的確率的選択プロセスを切り離すために階層的混合(H-MoE)選択モジュールを更に設計する。
  論文  参考訳（メタデータ） (2026-10-06T03:32:37Z)
• An Agentic Model Context Protocol Framework for Medical Concept Standardization [5.12407270785129]
  モデルコンテキストプロトコル(MCP)に基づくゼロトレーニング・幻覚防止マッピングシステムの開発 このシステムは説明可能なマッピングを可能にし、最小限の労力で効率と精度を大幅に改善する。
  論文  参考訳（メタデータ） (2025-09-04T02:32:22Z)
• Ontology-Based Concept Distillation for Radiology Report Retrieval and Labeling [10.504309161945065]
  既存のほとんどの手法は、CLIPやCXR-BERTのようなモデルからの高次元テキスト埋め込みを比較することに依存している。 統一医療言語システム(Unified Medical Language System)における臨床基礎概念に基づく放射線学報告テキストの比較のための,新しいオントロジーによる代替案を提案する。 本稿では,RadGraph-XLとSapBERTをベースとした拡張パイプラインを用いて,フリーテキストレポートから標準化された医療機関を抽出する。
  論文  参考訳（メタデータ） (2025-08-27T14:20:50Z)
• NEARL-CLIP: Interacted Query Adaptation with Orthogonal Regularization for Medical Vision-Language Understanding [51.63264715941068]
  textbfNEARL-CLIP (iunderlineNteracted quunderlineEry underlineAdaptation with ounderlineRthogonaunderlineL regularization)は、VLMベースの新しい相互モダリティ相互作用フレームワークである。
  論文  参考訳（メタデータ） (2025-08-06T05:44:01Z)
• Efficient Biomedical Entity Linking: Clinical Text Standardization with Low-Resource Techniques [0.0]
  複数の用語は、臨床エンティティと呼ばれることができる同じコア概念を参照することができる。 UMLS(Unified Medical Language System)のようなオントロジーは、何百万もの臨床エンティティを格納するために開発・維持されている。 そこで本稿では,エンティティの曖昧さを解消するために,コンテキストベースとコンテキストレスの省力化手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T01:14:33Z)
• Can Large Language Models Augment a Biomedical Ontology with missing Concepts and Relations? [1.1060425537315088]
  LLMとのセマンティックな相互作用を利用して臨床実践ガイドラインを解析する手法を提案する。 プロンプトを使った最初の実験では、手動で生成された金の標準を与えられた有望な結果が得られました。
  論文  参考訳（メタデータ） (2023-11-12T14:20:55Z)
• Nested Named Entity Recognition from Medical Texts: An Adaptive Shared Network Architecture with Attentive CRF [53.55504611255664]
  ネスト現象によるジレンマを解決するために,ASACと呼ばれる新しい手法を提案する。 提案手法は,適応共有(AS)部と注意条件付きランダムフィールド(ACRF)モジュールの2つの鍵モジュールを含む。 我々のモデルは、異なるカテゴリのエンティティ間の暗黙の区別と関係をキャプチャすることで、より良いエンティティ表現を学ぶことができる。
  論文  参考訳（メタデータ） (2022-11-09T09:23:56Z)
• Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
  本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。 本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。 このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-01-01T05:15:42Z)
• 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)
• 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。