論文の概要: Augmented Curation of Unstructured Clinical Notes from a Massive EHR
System Reveals Specific Phenotypic Signature of Impending COVID-19 Diagnosis
- arxiv url: http://arxiv.org/abs/2004.09338v2
- Date: Tue, 28 Apr 2020 19:39:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 13:51:16.268970
- Title: Augmented Curation of Unstructured Clinical Notes from a Massive EHR
System Reveals Specific Phenotypic Signature of Impending COVID-19 Diagnosis
- Title（参考訳）: 重度EHRシステムによる非構造的臨床ノートの増補による新型コロナウイルス診断の特異な特徴
- Authors: FNU Shweta, Karthik Murugadoss, Samir Awasthi, AJ Venkatakrishnan,
Arjun Puranik, Martin Kang, Brian W. Pickering, John C. O'Horo, Philippe R.
Bauer, Raymund R. Razonable, Paschalis Vergidis, Zelalem Temesgen, Stacey
Rizza, Maryam Mahmood, Walter R. Wilson, Douglas Challener, Praveen Anand,
Matt Liebers, Zainab Doctor, Eli Silvert, Hugo Solomon, Tyler Wagner, Gregory
J. Gores, Amy W. Williams, John Halamka, Venky Soundararajan, Andrew D.
Badley
- Abstract要約: 現在最先端のディープニューラルネットワークを、機関全体の機械学習プラットフォーム上で使用し、1580万の臨床論文のキュレーションを拡大しています。
腎不全患者では, 肛門閉鎖不全症 (37.4倍) , 筋痛・関節痛 (2.6倍) , 下気腫 (2.2倍) , 発熱・乳頭 (2.1倍) , 呼吸困難 (1.9倍) , 結節 (1.8倍) が有意な増幅率を示した。
- 参考スコア（独自算出の注目度）: 0.43820124519345516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the temporal dynamics of COVID-19 patient phenotypes is
necessary to derive fine-grained resolution of pathophysiology. Here we use
state-of-the-art deep neural networks over an institution-wide machine
intelligence platform for the augmented curation of 15.8 million clinical notes
from 30,494 patients subjected to COVID-19 PCR diagnostic testing. By
contrasting the Electronic Health Record (EHR)-derived clinical phenotypes of
COVID-19-positive (COVIDpos, n=635) versus COVID-19-negative (COVIDneg,
n=29,859) patients over each day of the week preceding the PCR testing date, we
identify anosmia/dysgeusia (37.4-fold), myalgia/arthralgia (2.6-fold), diarrhea
(2.2-fold), fever/chills (2.1-fold), respiratory difficulty (1.9-fold), and
cough (1.8-fold) as significantly amplified in COVIDpos over COVIDneg patients.
The specific combination of cough and diarrhea has a 3.2-fold amplification in
COVIDpos patients during the week prior to PCR testing, and along with
anosmia/dysgeusia, constitutes the earliest EHR-derived signature of COVID-19
(4-7 days prior to typical PCR testing date). This study introduces an
Augmented Intelligence platform for the real-time synthesis of institutional
knowledge captured in EHRs. The platform holds tremendous potential for scaling
up curation throughput, with minimal need for retraining underlying neural
networks, thus promising EHR-powered early diagnosis for a broad spectrum of
diseases.
- Abstract（参考訳）: 新型コロナウイルス患者の表現型の時間的ダイナミクスを理解することは、病態生理学の微細な解決を導き出すために必要である。
ここでは、新型コロナウイルス(covid-19)pcr診断を受けた30,494人の患者から1580万の臨床ノートを補足するために、機関全体の機械学習プラットフォーム上で最先端のディープニューラルネットワークを使用する。
EHR(Electronic Health Record, EHR)由来の新型コロナウイルス陽性(COVIDpos, n=635)と、PCR検査日前の週に1回、COVID-19陰性(COVIDneg, n=29,859)の患者に比較して、 anosmia/dysgeusia (37.4-fold), myalgia/arthralgia (2.6-fold), diarrhea (2.2-fold), fever/chills (2.1-fold), 呼吸困難(1.9-fold), cough (1.8-fold)を、COVIDpos患者よりも有意に増幅した。
PCR検査前の週に3.2倍の新型コロナウイルス患者を増幅し、アノシマ/ジスゲシアとともに、PCR検査日より4～7日前の最も初期のEHR由来の署名を構成する。
本研究では,EHRが取得した機関知識をリアルタイムに合成するための,Augmented Intelligenceプラットフォームを提案する。
このプラットフォームは、基盤となるニューラルネットワークの再トレーニングを最小限に抑えつつ、キュレーションのスループットをスケールアップする大きな可能性を秘めている。
関連論文リスト
- Prediction of COVID-19 Patients' Emergency Room Revisit using
Multi-Source Transfer Learning [7.750772093056729]
新型コロナウイルス感染症2019(COVID-19)は、世界的な重症度のパンデミックに繋がった。
患者は退院後短時間で救急室(ER)を再訪しなければならない。
このような患者の早期発見は、医師が生命を危険にさらす患者を治療するのを助けるのに不可欠である。
論文 参考訳（メタデータ） (2023-06-29T18:51:42Z) - A New Feature Selection Method for LogNNet and its Application for
Diagnosis and Prognosis of COVID-19 Disease Using Routine Blood Values [0.0]
本研究の目的は,LogNNet貯水池ニューラルネットワークの特徴選択法を用いて,新型コロナウイルスの診断・予後における最も効果的なルーチン血液値を決定することである。
LogNNetモデルは、患者の症状や病歴を知らずに、COVID-19パフォーマンスの非常に高い診断・予後を示した。
論文 参考訳（メタデータ） (2022-05-20T05:47:29Z) - Early Diagnostic Prediction of Covid-19 using Gradient-Boosting Machine
Model [0.0]
RT-PCR試験におけるSARS-CoV-2の診断結果を8つのバイナリー特徴を用いて予測する勾配ブースティングマシンモデルを提案する。
イスラエルの保健省が公開している全国的なデータセットを使用しました。
論文 参考訳（メタデータ） (2021-10-12T13:42:29Z) - Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。
この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
論文 参考訳（メタデータ） (2021-05-14T11:59:47Z) - COVID-Net CT-S: 3D Convolutional Neural Network Architectures for
COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。
3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文 参考訳（メタデータ） (2021-05-04T04:44:41Z) - An Automated Approach for Timely Diagnosis and Prognosis of Coronavirus
Disease [1.52292571922932]
コロナウイルス病2019(COVID-19)の流行以降、感染した患者の多くは高熱、乾ききき、喉の腫れなどと診断され、重篤な肺炎に繋がった。
これまで、肺イメージングによるCOVID-19の診断は、この疾患の早期診断の主要な証拠であることが証明されています。
提案手法は,非造影CT(non-contrast chest Computed tomography)スキャンによる疾患の自動診断と予後に焦点をあてるものである。
論文 参考訳（メタデータ） (2021-04-29T05:26:30Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community
Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。
特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。
我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文 参考訳（メタデータ） (2020-05-06T09:56:51Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z)
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。