論文の概要: Are We Done with UMLS Injection into Language Models for Medical Question Answering?

• arxiv url: http://arxiv.org/abs/2610.33801v1
• Date: Sat, 24 Oct 2026 17:06:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.448659
• Title: Are We Done with UMLS Injection into Language Models for Medical Question Answering?
• Title（参考訳）: UMLSを言語モデルに注入した医学的質問に対する回答は可能か?
• Abstract要約: UMLS(Unified Medical Language System)は、世界中の何百万人もの臨床医や医療システム開発者のための宣誓供述書となっている。 MQA (Messical Question Answering) は統合のための主要なテストベッドであり、通常、患者の歴史から病気の診断や薬物処方薬などの専門的な演習を含むベンチマークである。 本稿では、既存のMQAの成果をレビューし、選択したUMLSソースとその使用法を言語モデルで批判的に分析し、それぞれの選択を独立して調査する。
• 参考スコア（独自算出の注目度）: 9.904299892454594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maybe not. The Unified Medical Language System (UMLS) has become an oracle for millions of clinicians and health system developers worldwide. Researchers have increasingly used knowledge graphs derived from UMLS to enhance language models' factual accuracy and reasoning traceability in high-stakes tasks. Medical Question Answering (MQA) is a prime testbed for integration, with benchmarks usually involving professional exercises such as disease diagnosis and drug prescription from patient history. Despite the assumed benefits, empirical evidence shows that UMLS-based graph injection typically yields modest performance gains. This paper reviews existing MQA work, critically analyzing the selected UMLS sources and their usage with language models, and probes each of these choices in isolation. We uncover methodological issues never discussed in prior work, from low UMLS coverage to weak subgraph retrieval pipelines. Based on our findings, we provide actionable recommendations to unlock the untapped potential of UMLS as an external knowledge source.
• Abstract（参考訳）: たぶん違う。 UMLS(Unified Medical Language System)は、世界中の何百万人もの臨床医や医療システム開発者のための宣誓供述書となっている。 研究者は、UMLSから派生した知識グラフを使用して、言語モデルの事実精度を高め、高いタスクにおけるトレーサビリティを推論している。 MQA (Messical Question Answering) は統合のための主要なテストベッドであり、通常、患者の歴史から病気の診断や薬物処方薬などの専門的な演習を含むベンチマークである。 期待されている利点にもかかわらず、UMLSベースのグラフインジェクションが通常、控えめなパフォーマンス向上をもたらすことを示す経験的な証拠がある。 本稿では、既存のMQAの成果をレビューし、選択したUMLSソースとその使用法を言語モデルで批判的に分析し、それぞれの選択を独立して調査する。 UMLSのカバレッジが低かったり,サブグラフ検索パイプラインが弱かったりするなど,これまでの作業で議論されたことのない方法論上の問題を明らかにする。 本稿では,UMLSの未解決の可能性を外部の知識源として解き放つための行動可能なレコメンデーションについて述べる。

関連論文リスト

• How Good LLMs Are at Answering Bangla Medical Visual Questions? Dataset and Benchmarking [0.45740558095423056]
  バングラ語は世界中で最も広く話されている言語の一つだが、MedVQAベンチマークは確立されていない。 臨床的に検証された画像-問合せ対からなるデータセットであるBanglaMedVQAを紹介する。 分析の結果,Banglaの性能は著しく低下しており,低リソース言語に固有の課題を反映していることがわかった。
  論文  参考訳（メタデータ） (2026-05-18T09:20:32Z)
• Grounded Multilingual Medical Reasoning for Question Answering with Large Language Models [15.135129023906138]
  本稿では,現実の医療知識に基づく多言語推論トレースを生成する手法を提案する。 我々は、ウィキペディアの医療情報に対する検索強化された世代アプローチを用いて、英語、イタリア語、スペイン語で500kのトレースを生成する。
  論文  参考訳（メタデータ） (2025-12-05T12:05:46Z)
• Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
  大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。 本稿では,構造化医療推論を利用した新しいアプローチを提案する。 我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
  論文  参考訳（メタデータ） (2025-03-05T05:24:55Z)
• A Benchmark for Long-Form Medical Question Answering [4.815957808858573]
  長期医療質問応答(QA)における大規模言語モデル(LLM)の評価のためのベンチマークの欠如 既存のQA評価ベンチマークのほとんどは、自動メトリクスと複数項目の質問に焦点を当てている。 本研究は,医科医が注釈を付した長文回答評価を伴う現実の消費者医療質問を特徴とする,新たに公開されたベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-11-14T22:54:38Z)
• Large Language Models for Medical OSCE Assessment: A Novel Approach to Transcript Analysis [0.0]
  テキサス大学サウスウェスタン医療センター(UTSW)における2,027件のビデオ録画OSCE検査について検討した。 本研究は, 学生の要約作業において, LLMに基づく様々な手法による評価を行い, 評価書に基づいて評価を行った。 以上の結果から, GPT-4のようなフロンティアLLMモデルでは, 人間の学級とのアライメントが顕著であった。
  論文  参考訳（メタデータ） (2024-10-11T19:16:03Z)
• Large Language Model Distilling Medication Recommendation Model [58.94186280631342]
  大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。 本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。 これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2024-02-05T08:25:22Z)
• Don't Ignore Dual Logic Ability of LLMs while Privatizing: A Data-Intensive Analysis in Medical Domain [19.46334739319516]
  本研究では, LLMの二重論理能力が, 医療領域の民営化過程における影響について検討した。 以上の結果から,LLMに汎用ドメイン二重論理データを組み込むことによって,LLMの二重論理能力が向上するだけでなく,精度も向上することが示唆された。
  論文  参考訳（メタデータ） (2023-09-08T08:20:46Z)
• Can large language models build causal graphs? [54.74910640970968]
  大規模言語モデル(LLM)は因果グラフの構築プロセスを容易にする機会である。 LLMは、ユーザが使用する単語、コンテキスト、およびプロンプトの選定に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-03-07T22:05:31Z)

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。