論文の概要: A Preliminary Approach for Learning Relational Policies for the
Management of Critically Ill Children
- arxiv url: http://arxiv.org/abs/2001.04432v1
- Date: Mon, 13 Jan 2020 18:02:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 23:16:57.973508
- Title: A Preliminary Approach for Learning Relational Policies for the
Management of Critically Ill Children
- Title(参考訳): 重症心身障害児に対する関係政策学習のための予備的アプローチ
- Authors: Michael A. Skinner, Lakshmi Raman, Neel Shah, Abdelaziz Farhat,
Sriraam Natarajan
- Abstract要約: 重症呼吸不全児の診療における臨床病院記録からルールを学習するために,統計学習の枠組みを応用した。
本研究の結果は有望であり,特に,医学的推論と整合した医療行為のルールをアルゴリズムが返却した。
- 参考スコア(独自算出の注目度): 9.206909051437295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increased use of electronic health records has made possible the
automated extraction of medical policies from patient records to aid in the
development of clinical decision support systems. We adapted a boosted
Statistical Relational Learning (SRL) framework to learn probabilistic rules
from clinical hospital records for the management of physiologic parameters of
children with severe cardiac or respiratory failure who were managed with
extracorporeal membrane oxygenation. In this preliminary study, the results
were promising. In particular, the algorithm returned logic rules for medical
actions that are consistent with medical reasoning.
- Abstract(参考訳): 電子カルテの利用の増加により、患者記録から医療方針を自動抽出し、臨床意思決定支援システムの開発を支援することが可能となった。
体外膜酸素療法を施行した重症心不全児の生理的パラメータ管理のための臨床病院記録から確率的ルールを学ぶために,boosted statistical relational learning (srl) フレームワークを適用した。
この予備研究では、結果は有望だった。
特に、アルゴリズムは医学的推論と整合した医療行為の論理規則を返却した。
関連論文リスト
- Detecting algorithmic bias in medical AI-models [8.673428350514166]
本稿では,医療AI意思決定支援システムにおけるアルゴリズムバイアスの領域を検出するための革新的な枠組みを提案する。
本手法は,医学・AIモデルにおける潜在的なバイアスを,特に敗血症予測の文脈で効果的に同定する。
AIベースの医療判断における公平性と公平性を保証するための重要な手段として機能する。
論文 参考訳(メタデータ) (2023-12-05T18:47:34Z) - Pruning the Way to Reliable Policies: A Multi-Objective Deep Q-Learning
Approach to Critical Care [68.8204255655161]
我々は、より信頼性の高いクリティカルケアポリシーを得ることができる深いQ-ラーニングアプローチを導入する。
まず、利用可能なすべての報酬に基づいてアクションセットを抽出し、次に、スパース主報酬に基づいて最終モデルを訓練し、制限されたアクションセットで達成する。
論文 参考訳(メタデータ) (2023-06-13T18:02:57Z) - Towards Real-World Applications of Personalized Anesthesia Using Policy
Constraint Q Learning for Propofol Infusion Control [11.07500653906137]
Policy Constraint Q-Learning(PCQL)は、実際の臨床データセットで麻酔戦略を学習する問題を解決するための、データ駆動型強化学習アルゴリズムである。
PCQLは、実際の臨床麻酔データセットに関する広範な実験によって検証される。
論文 参考訳(メタデータ) (2023-03-17T10:05:20Z) - Machine Learning to Support Triage of Children at Risk for Epileptic
Seizures in the Pediatric Intensive Care Unit [5.708335717084799]
小児集中治療室(PICU)に入院した小児はてんかん発作が比較的多い
PICU内の発作の危険と判断された小児は、連続脳波(cEEG)を用いてモニタリングされる
本研究の目的は、重篤児の発作リスク評価を改善するためのコンピュータ支援ツールを開発することである。
論文 参考訳(メタデータ) (2022-05-11T10:24:58Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳(メタデータ) (2021-12-19T01:45:57Z) - Optimal discharge of patients from intensive care via a data-driven
policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。
本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。
データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文 参考訳(メタデータ) (2021-12-17T04:39:33Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - Health improvement framework for planning actionable treatment process
using surrogate Bayesian model [1.2468700211588881]
本研究は,データ駆動方式で治療プロセスを計画するための新しい枠組みを提案する。
このフレームワークの重要なポイントは、個人の健康改善のための「行動可能性」の評価である。
論文 参考訳(メタデータ) (2020-10-30T06:02:49Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Learning Individualized Treatment Rules with Estimated Translated
Inverse Propensity Score [29.606141542532356]
本稿では、個別化された治療規則(ITR)を学習して治療方針を導出することに焦点を当てる。
本フレームワークでは,ITRの学習を文脈的盗聴問題とみなし,治療方針の予測リスクを最小限に抑える。
長期的目標として、当社の方針は、最終的にはIVおよびVPの治験ガイドラインの改善につながる可能性がある。
論文 参考訳(メタデータ) (2020-07-02T13:13:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。