文献

J-GLOBAL ID：202002267274036706   整理番号：20A1795622

医療診断のためのヘテロMed異種情報ネットワーク【JST・京大機械翻訳】

HeteroMed Heterogeneous Information Network for Medical Diagnosis

著者 (5件)： Hosseini Anahita (University of California Los Angeles, Los Angeles, CA, USA) ,  Chen Ting (University of California Los Angeles, Los Angeles, CA, USA) ,  Wu Wenjun (University of California Los Angeles, Los Angeles, CA, USA) ,  Sun Yizhou (University of California Los Angeles, Los Angeles, CA, USA) ,  Sarrafzadeh Majid (University of California Los Angeles, Los Angeles, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’18  ページ： 763-772  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電子健康記録(EHR)の最近のアベイラビリティと医療情報学の進歩のために提供する大きな機会により,ケアの質を改善するためのEHRのマイニングに関心が集まっている。敏感な性質,エラーの巨大なコスト,および複雑性による疾患診断は,過去数年における研究のますます重要な焦点になった。既存の研究は,それらの潜在埋込みを学習するための臨床事象の共起を捉えることによるEHRをモデリングする。しかし,臨床イベント間の関係は様々な意味論を持ち,疾患診断に異なって寄与し,既存の解決策よりもEHRデータにおける不均一データタイプと関係のより高度なモデリングに先行する。これらの問題に取り組むために,著者らは高次元EHRデータとその豊富な関係が,ロバスト医療診断のための異種情報ネットワークであるHeterMedに適切に変換できる方法を示す。著者らのモデリング手法は,データの欠測値と不均一性の直接的な取扱いを可能にする。ヘテロMedは,疾患診断に寄与するより高いレベルと意味的に重要な関係を捕捉するために,メタパスを利用する。さらに,臨床イベント表現を疾患診断目標に合わせるために,関節埋込みフレームワークを採用した。著者らの知る限り,これは,臨床データと疾患診断をモデル化するための不均一情報ネットワークを使用する最初の研究である。本研究の実験結果は,正確な診断コードと一般的な疾患コホートの予測における以前の方法と比較して,HeterMedの優れた性能を示した。さらに,HeterMedは,事例研究を通して定性的に検査される臨床イベントの類似性を捕える際に,ベースラインモデルより優れている。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  *ネットワーク ,  *情報ネットワーク ,  アベイラビリティ ,  事例研究 ,  高次元 ,  母集団 ,  類似性 ,  不均一性 ,  基準線 ,  データ型 ,  ロバスト性 ,  電子カルテ ,  病歴
準シソーラス用語： 臨床データ ,  複雑性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 電子健康記録 ,  健康情報学 ,  異種情報ネットワーク ,  ネットワーク埋込み

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (3件)： 医療診断 ,  MED ,  情報ネットワーク