背景と研究の動機 周知の通り、食物の栄養と人間の健康は密接に関連しています。科学的研究によると、食事の栄養が不適切であることは200種類以上の病気と関連しており、特に腸内フローラの代謝を考慮した場合、食物の栄養成分と病気との間の複雑な相互作用は体系化と実際の応用が困難です。そのため、包括的な知識を統合し実用的な枠組みを提供することが急務であり、飲食関連のクエリ取得をサポートする必要があります。 研究の出典 本稿はChengcheng Fu、Xueli Pan、Jieyu Wu、Junkai Cai、Zhisheng Huang、Frank Van Harmelen、Weizhong Zhao、Xingpeng Jiang、そしてTingting Heが共同で執筆した研究に基づいています。この...

CIGNN: 因果関係とグラフニューラルネットワークに基づく袖なし連続血圧推定フレームワーク 背景紹介 世界保健機関（WHO）のデータによると、世界中で約11.3億人が高血圧に影響を受けており、2025年にはこの数字が15億に増加すると予想されています。高血圧は心臓病や脳卒中などの心血管疾患の重要な危険因子であり、これらは世界の主要な死亡原因です。高血圧の普及は、認知症や障害の負担も増加させているため、高血圧の予防と管理は世界の健康結果を改善するために至関重要です。 連続血圧（BP）測定は、高血圧の診断と予防に豊富な情報を提供します。連続的に血圧を監視することで、患者の血圧パターンや傾向をより詳細に把握でき、治療の要否や現在の治療法の調整が必要かどうかを示すことができます。さらに、連続血圧モ...

未来の病気予測：時間的知識グラフと医療オントロジーの融合 電子健康記録（Electronic Health Records, EHRs）は、現代の医療機関にとって不可欠なツールです。これらは患者の詳細な健康履歴を記録し、人口統計データ、薬物、実験結果、治療計画を含んでいます。これらのデータは、医療サービス間の連携や調整を改善し、医療提供者が健康の傾向を発見し、データに基づいた決定を下すのを助け、患者の全体的なケアの質を向上させることができます。しかし、EHRsに保存されているデータの大部分は非構造化であり、特に臨床医が記述する自由形式の患者健康状態のテキストデータは、情報の抽出と有効な利用に大きな課題をもたらします。 この課題に対処するため、多くの研究が自然言語処理（Natural Lang...

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...

医学関係抽出と知識グラフ推薦を結合した研究報告 背景説明 医学分野において、文献の爆発的な増加により、研究者は自身の専門分野の最新の進展を追跡することが難しくなっています。自然言語処理（NLP）分野から見ると、進化する自動化ツールは非構造化テキストから関連情報を識別および抽出するのを助け、このタスクは関係抽出（Relation Extraction、RE）と呼ばれます。REの主要な目標はテキストから医学的な実体間の関係を抽出して分類し、生物医学プロセスの理解を深めることです。 現在、大多数の最先端の医学REシステムは深層学習手法を使用しており、主に同種の実体間の関係（例：遺伝子と薬剤など）を対象としています。しかし、これらのシステムは大部分がテキストから直接抽出した情報に限られており、専門分...

医学パッケージ推薦システムの研究：二層次の相互作用意識に基づく異種グラフニューラルネットワーク 電子健康記録（EHRs）が医療分野で広く利用される中、それらから潜在的かつ価値のある医療知識を掘り起こし、臨床決定を支援する方法がディープラーニング技術の重要な研究方向の一つとなっています。個別化医療パッケージ推薦はこの分野の重要なタスクの一つであり、大量の医療記録を利用して各患者に最も安全かつ効果的な薬剤パッケージを選択することを目指しています。しかし、既存の医療パッケージ推薦方法は主にタスクを多ラベル分類またはシーケンス生成問題としてモデリングしており、主に個々の薬剤と他の医療エンティティとの関係に焦点を当てているため、薬剤パッケージと他の医療エンティティとの相互作用を見過ごしがちであり、推薦...

##生物ネットワークを学習してタンパク質知識を用い薬物-標的親和性を予測する 背景紹介 薬物-標的親和性（drug-target affinity, DTA）の予測は、新薬の発見過程において重要な位置を占めています。効率的かつ正確なDTA予測は、新薬開発の時間と経済的コストを大幅に短縮できます。近年、深層学習技術の爆発的発展により、DTA予測に強力なサポートが提供されています。既存のDTA予測方法は主に1Dタンパク質配列に基づく方法と2Dタンパク質構造図に基づく方法に分けられます。しかし、これらの方法は標的タンパク質の内在特性にのみ注目し、過去の研究で明らかにされているタンパク質相互作用の広範な先験知識を無視しています。 この問題に対して、本研究ではMSF-DTA（多源特徴融合に基づく薬物-...

全科診断意思決定に向けた知識グラフに基づく説明可能なパーソナライズド認知推論モデル 背景紹介 全科医学はコミュニティおよび家庭医療の重要な構成要素として、異なる年代、性別、臓器系統および各種疾患を包括します。その核心的な理念は、人を中心とし、家庭を単位とし、長期にわたる包括的な健康の維持と促進を強調することです。しかし、既存の証拠によると、中国の初級衛生保健（Primary Health Care, PHC）の質はまだ満足のいくレベルに達していません。臨床診断と治療の正確性に関して顕著な向上の余地があります。この問題に対応するために、人工知能に基づく意思決定ツールが徐々に全科医の疾患診断の強力な補助となっています。しかし、既存の研究は主に二つの問題を抱えています。一つは十分な拡張性と説明能力...

知識強化型グラフトピック変圧器の説明可能な生物医学テキスト要約への応用 研究背景 生物医学の文献発表量が増加し続けているため、自動生物医学テキスト要約タスクの重要性が高まっています。2021年にはPubMedデータベースだけで1,767,637本の論文が発表されました。既存の事前学習言語モデル（Pre-trained Language Models、PLMs）を用いた要約方法は性能を向上させていますが、特定の分野の知識の捕捉や結果の説明可能性において顕著な制限があります。これにより、生成された要約が一貫性に欠け、冗長な文章や重要な分野知識の欠落を含む可能性があります。さらに、変圧器モデルのブラックボックス特性はユーザーが要約生成の理由や方法を理解するのを困難にするため、生物医学テキスト要約に...

医学多組学データ分析における多重先験知識グラフニューラルネットワーク 背景紹介 精密医療は将来の医療保健において重要な分野であり、患者に個別化された治療計画を提供することにより、治療効果を改善しコストを削減します。例えば、乳がん患者の複雑な臨床、病理、および分子特性を考えると、同じ治療が異なる効果を示すことがあります。バイオ医学技術の急速な発展に伴い、多組学データを通じて疾病の特性化が可能になっています。多組学アプローチは単一組学アプローチに比べて、複数のデータ間で一貫性と補完的な情報を捉えることができ、より正確かつ深くモデルを構築することができます。例えば、がんゲノム図譜（The Cancer Genome Atlas, TCGA）は、mRNA 発現、DNA メチル化、およびコピー数変異（...