Relationship Discovery for Drug Recommendation

要約

薬剤推奨システムは、個々の患者のニーズに合わせて、パーソナライズされた薬剤を提案できるように設計されています。
これまでの研究は主に薬剤の埋め込みの開発に焦点を当てており、大きな進歩を遂げてきました。
それにもかかわらず、これらのアプローチは、主にさまざまな患者の状態を区別する際の課題と、特定の状態と適切な投薬の間の正確な相関関係を確立できないために、個々の患者のプロファイルを正確に反映するには不十分であることがよくあります。
これらの問題に対応して、患者の状態に焦点を当てて個別化を強化するモデルである DisMed を導入します。
DisMed は、明確で定量化可能な因果関係を識別するために因果推論を採用しています。
次に、患者の状態を詳しく検査し、これらの状態の変化する微妙なニュアンスを認識してそれに適応し、それらを対応する薬剤に直接マッピングします。
さらに、DisMed は複数の患者の診察から得たデータを活用して、薬剤の組み合わせを提案します。
現実世界のデータセットに対する包括的なテストにより、DisMed が患者プロファイルのカスタマイズを向上させるだけでなく、精度と安全性の両方で主要なモデルを上回っていることが実証されました。

要約(オリジナル)

Medication recommendation systems are designed to deliver personalized drug suggestions that are closely aligned with individual patient needs. Previous studies have primarily concentrated on developing medication embeddings, achieving significant progress. Nonetheless, these approaches often fall short in accurately reflecting individual patient profiles, mainly due to challenges in distinguishing between various patient conditions and the inability to establish precise correlations between specific conditions and appropriate medications. In response to these issues, we introduce DisMed, a model that focuses on patient conditions to enhance personalization. DisMed employs causal inference to discern clear, quantifiable causal links. It then examines patient conditions in depth, recognizing and adapting to the evolving nuances of these conditions, and mapping them directly to corresponding medications. Additionally, DisMed leverages data from multiple patient visits to propose combinations of medications. Comprehensive testing on real-world datasets demonstrates that DisMed not only improves the customization of patient profiles but also surpasses leading models in both precision and safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google