論文の概要: A Visual Analytics System for Multi-model Comparison on Clinical Data
Predictions
- arxiv url: http://arxiv.org/abs/2002.10998v2
- Date: Mon, 23 Mar 2020 20:08:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 20:00:26.056105
- Title: A Visual Analytics System for Multi-model Comparison on Clinical Data
Predictions
- Title(参考訳): 臨床データの多モデル比較のためのビジュアル分析システム
- Authors: Yiran Li, Takanori Fujiwara, Yong K. Choi, Katherine K. Kim, Kwan-Liu
Ma
- Abstract要約: 我々は,複数のモデルの予測基準を比較し,その一貫性を評価する視覚分析システムを開発した。
我々は,臨床医や研究者が異なる機械学習手法を比較し,定量的に評価する上で,本システムの有効性を実証する。
- 参考スコア(独自算出の注目度): 21.86694022749115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is a growing trend of applying machine learning methods to medical
datasets in order to predict patients' future status. Although some of these
methods achieve high performance, challenges still exist in comparing and
evaluating different models through their interpretable information. Such
analytics can help clinicians improve evidence-based medical decision making.
In this work, we develop a visual analytics system that compares multiple
models' prediction criteria and evaluates their consistency. With our system,
users can generate knowledge on different models' inner criteria and how
confidently we can rely on each model's prediction for a certain patient.
Through a case study of a publicly available clinical dataset, we demonstrate
the effectiveness of our visual analytics system to assist clinicians and
researchers in comparing and quantitatively evaluating different machine
learning methods.
- Abstract(参考訳): 患者の将来の状態を予測するため、医療データセットに機械学習手法を適用する傾向が高まっている。
これらの手法のいくつかは高い性能を達成するが、解釈可能な情報を通じて異なるモデルの比較と評価にはまだ課題がある。
このような分析は、臨床医が証拠に基づく医療意思決定を改善するのに役立つ。
本研究では,複数のモデルの予測基準を比較し,一貫性を評価する視覚分析システムを開発する。
我々のシステムでは,患者は,異なるモデルの内的基準と,特定の患者に対する各モデルの予測にどれほど自信を持って頼れるかを知ることができる。
本研究は,一般公開された臨床データセットのケーススタディを通じて,臨床医や研究者による異なる機械学習手法の比較と定量的評価を支援する視覚分析システムの有効性を実証する。
関連論文リスト
- Recent Advances in Predictive Modeling with Electronic Health Records [73.31880579203012]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳(メタデータ) (2024-02-02T00:31:01Z) - Class-Incremental Continual Learning for General Purpose Healthcare
Models [3.768737590492549]
継続的な学習は、以前のタスクのパフォーマンス低下なしに、新しいタスクを学習することを可能にする。
単一モデルは、異なる専門分野から新しいタスクを逐次学習し、単純メソッドに匹敵するパフォーマンスを達成することができる。
論文 参考訳(メタデータ) (2023-11-07T19:17:59Z) - A Transformer-based representation-learning model with unified
processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。
統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文 参考訳(メタデータ) (2023-06-01T16:23:47Z) - Modelling Patient Trajectories Using Multimodal Information [0.0]
本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。
本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
論文 参考訳(メタデータ) (2022-09-09T10:20:54Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳(メタデータ) (2022-06-16T17:59:05Z) - What Do You See in this Patient? Behavioral Testing of Clinical NLP
Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。
私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文 参考訳(メタデータ) (2021-11-30T15:52:04Z) - Literature-Augmented Clinical Outcome Prediction [10.46990394710927]
EBMとAIベースの臨床モデルとのギャップを埋める技術を導入する。
集中治療(ICU)患者情報に基づいて患者固有の文献を自動的に検索するシステムを提案する。
我々のモデルは,最近の強靭なベースラインと比較して,3つの課題に対する予測精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2021-11-16T11:19:02Z) - Development of patients triage algorithm from nationwide COVID-19
registry data based on machine learning [1.0323063834827415]
本稿では,機械学習技術を用いた重症度評価モデルの開発過程について述べる。
モデルは基本的な患者の基本的個人データのみを必要とするため、患者は自身の重症度を判断できる。
本研究の目的は、患者が自身の重症度をチェックできる医療システムを構築し、同様の重症度を持つ他の患者の過去の治療内容に基づいて、適切な診療所への訪問を通知することである。
論文 参考訳(メタデータ) (2021-09-18T19:56:27Z) - Medical Profile Model: Scientific and Practical Applications in
Healthcare [1.718235998156457]
本研究は, 患者の病歴を, 病の時間的シーケンスとして提示し, その埋め込みを教師なしで学習する。
埋め込みスペースには、一般化された患者プロファイルの作成を可能にする人口統計パラメータが含まれている。
このような医療プロファイルモデルのトレーニングは、100万人以上の患者のデータセット上で実施されている。
論文 参考訳(メタデータ) (2021-06-21T13:30:43Z) - 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) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳(メタデータ) (2021-01-13T03:20:20Z)
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。