ページ

2026年5月21日木曜日

GraphDiffMed:薬理学グラフ事前知識を活用した、知識制約型差分アテンションによる服薬推奨

#aidexx #news

2026年05月21日


## 要約:
GraphDiffMedは、電子カルテデータから安全で効果的な薬物組み合わせを推奨するAIフレームワークです。差分アテンションと薬理学知識を統合することで、ノイズを抑制し、臨床性能を向上させます。実験結果は、この手法が既存のモデルよりも優れた推奨品質と安全性を実現することを示しました。

---

## 翻訳:
arXiv:2605.20188v1発表 Type: new
概要:電子カルテ(EHR)から安全で効果的な薬物組み合わせを推奨することは、臨床AIの中核的な問題ですが、患者の経過が長く、ノイズが多く、臨床的に多様であるため、依然として困難です。既存の方法は、通常、診察ごとの時間モデリングまたは薬理学知識の統合(例えば、薬物相互作用(DDI))のどちらかに優れていますが、ノイズを堅牢に抑制しながら両方を実現することは稀です。我々は、二重スケールの差分アテンション v2 を基盤とした、知識制約型薬物推奨フレームワークである GraphDiffMed を提案します。差分アテンションは、診察内と診察間レベルの両方で適用され、診察内および長期的な履歴にわたって偽の信号をフィルタリングします。薬理学的な制約は学習中に組み込まれます。MIMIC-III への実験とアブレーション研究により、この設計が強力なベースラインよりも推奨品質とランキングを継続的に向上させ、より有利な安全性パフォーマンスのバランスを達成することが示されました。さらに、実験環境下では、最もパフォーマンスの良い構成が人口統計学的補助機能のみを使用することがわかりました。全体として、GraphDiffMed は、ノイズを意識したアテンションと薬理学的な制約を組み合わせることで、より信頼性が高く、臨床的に意味のある薬物推奨が可能になることを示しています。コードを https://github.com/saxenakrati09/GraphDiffMed でオープンソース化しました。

[📰 原文はこちら](https://arxiv.org/abs/2605.20188)

---

※本記事はAI(Ollama)による自動翻訳・要約です。

BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/

AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/

頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct( https://exdirect.net )を、BittensorManは応援しています。

動画の最後にお得な情報がありますので、
最後までご覧ください。

質的分析における量子化モデルの性能向上:マルチパスプロンプト検証によるアプローチ

#aidexx #news 2026年05月21日 ## 要約: 本研究では、質的分析において利用される量子化された大規模言語モデル(LLM)の性能を評価し、特に低ビット化による課題を解決するため、マルチパスプロンプト検証法を提案します。この手法は幻覚(ハルシネーショ...