在全球範囲において、肥満の流行傾向が絶えず高まり、公衆衛生に重大な影響を与えています。肥満は独立して心血管疾患の発症率および死亡率に関連しており、毎年衛生システムに対して2,000億ドルを超える経済的負担をもたらすと推定されています。近年、インスリン・グルカゴン様ペプチド-1（GLP-1）受容体作動薬は体重減少および心血管リスクの低減に糖尿病とは無関係に効果を示すことから、治療の方法を変えるものとなっています。この背景の中、スタンフォード大学のスレイマン・ソマニ、スネハ・S. ジャイン、アシシュ・サラジュ、アレクサンダー・T. サンドゥー、ティナ・ヘルナンデス-ブサール、およびファティマ・ロドリゲスらは、GLP-1受容体作動薬に関するソーシャルメディアでの公衆認識に関する研究を行い、『Com...

EHR-HGCN：電子健康記録テキスト分類の新しいハイブリッド異種グラフ畳み込みネットワーク方法 学術的背景紹介 自然言語処理（NLP）の急速な発展に伴い、テキスト分類はこの分野の重要な研究方向の一つとなりました。テキスト分類は、文献の背後にある知識を理解するのを助けるだけでなく、生物医学テキスト、特に電子健康記録（Electronic Health Records, EHR）などの分野でも広く応用されています。既存の研究は主に双方向トランスフォーマーに基づくエンコード表現方法（BERTなど）や畳み込みニューラルネットワーク（CNN）を利用した深層学習方法に集中しています。しかし、これらの方法は医学長文の処理時に入力長さの制限や高い計算資源の需要に直面することが多いです。また、テキスト分類の...

統一大言語モデルと知識グラフ 背景 近年、自然言語処理と人工知能の分野には多くの研究成果が現れており、その中でも大言語モデル（Large Language Models, LLMs）として知られるChatGPTやGPT-4が優れた成果を示しています。しかし、これらのモデルは優れた一般化能力を持ちながらも、そのブラックボックス性から事実知識を効果的に捕捉しアクセスすることが困難とされ批判を受けることも多いです。一方、知識グラフ（Knowledge Graphs, KGs）として知られるWikipediaやHuapuは、構造化形式で大量の事実知識を保存していますが、知識グラフの構築と進化のプロセスは非常に複雑です。そこで、研究者たちは大言語モデルと知識グラフを組み合わせ、それぞれの長所を生かして...

大規模言語モデルによる電子健康記録中の健康の社会的決定要因の識別 背景と研究の動機 健康の社会的決定要因（Social Determinants of Health, SDOH）は患者の健康結果に重要な影響を与えます。しかし、電子健康記録（EHR）の構造化データにおいて、これらの要因の記録はしばしば不完全または欠落しています。大規模言語モデル（Large Language Models, LLMs）はEHRの叙述的なテキストからSDOHを高通量で抽出し、研究や臨床ケアを支援することが期待されています。しかし、カテゴリの不均衡やデータの制約が、このまばらな記録の重要な情報に挑戦をもたらします。本稿では、LLMsを用いてEHRの叙述的テキストから6種類のSDOHカテゴリ（雇用、住居、交通、親の身...