時間スタンプ付きデータから高レベルイベントの推論：複雑性と医療分野への応用

arXiv:2604.21793v1 Announce Type: new Abstract: 本稿では、時間スタンプ付きデータと背景知識から高レベルの時間的に展開したイベントを検出するための、新しい論理的アプローチを開発します。我々のフレームワークは、論理的規則を用いて単純な時間的イベントの存在条件と終了条件を捉え、それらをメタイベントに結合します。医療分野においては、例えば、診断や薬剤投与などの時間スタンプ付き臨床観察から、病気のエピソードや治療が推論され、さらにこれらを更高レベルの疾病イベントに結合できます。不適切なイベントが推論される可能性があるため、互いに不一致するイベントの組み合わせを特定するために制約を利用し、好ましい一貫性の高いイベントセットを選択するための修訂メカニズムを提案します。完全なフレームワークにおける推論は解決不可能であるが、我々は多項式時間データ複雑性を確保するために必要な制限を特定しました。我々のプロトタイプシステムは、回答集合プログラミングを用いてアプローチの主要なコンポーネントを実装しています。肺がん使用例に対する評価は、計算上の実現可能性において、我々の結果が医療専門家の意見と肯定的に一致しているという、アプローチの有用性を支援しています。本フレームワークは医療分野のニーズに強く動機付けられたものの、故意に汎用的であるため、他の分野での再利用を可能にしています。

arXiv:2604.21793v1 Announce Type: new Abstract: In this paper, we develop a novel logic-based approach to detecting high-level temporally extended events from timestamped data and background knowledge. Our framework employs logical rules to capture existence and termination conditions for simple temporal events and to combine these into meta-events. In the medical domain, for example, disease episodes and therapies are inferred from timestamped clinical observations, such as diagnoses and drug administrations stored in patient records, and can be further combined into higher-level disease events. As some incorrect events might be inferred, we use constraints to identify incompatible combinations of events and propose a repair mechanism to select preferred consistent sets of events. While reasoning in the full framework is intractable, we identify relevant restrictions that ensure polynomial-time data complexity. Our prototype system implements core components of the approach using answer set programming. An evaluation on a lung cancer use case supports the interest of the approach, both in terms of computational feasibility and positive alignment of our results with medical expert opinions. While strongly motivated by the needs of the healthcare domain, our framework is purposely generic, enabling its reuse in other areas.