論文の概要: Application of Machine Learning to Predict the Risk of Alzheimer's
Disease: An Accurate and Practical Solution for Early Diagnostics
- arxiv url: http://arxiv.org/abs/2006.08702v1
- Date: Tue, 2 Jun 2020 14:52:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 00:11:27.019851
- Title: Application of Machine Learning to Predict the Risk of Alzheimer's
Disease: An Accurate and Practical Solution for Early Diagnostics
- Title（参考訳）: アルツハイマー病のリスク予測への機械学習の応用 : 早期診断のための正確かつ実用的な解法
- Authors: Courtney Cochrane, David Castineira, Nisreen Shiban and Pavlos
Protopapas
- Abstract要約: アルツハイマー病(AD)は500万人以上のアメリカ人の認知能力を悪化させ、医療システムに多大な負担をかけている。
本稿では,医療画像のない,臨床訪問や検査の少ないAD開発のための機械学習予測モデルを提案する。
本モデルは,2つの顕著な研究結果から,人口統計,バイオマーカー,認知テストデータを用いて訓練し,検証した。
- 参考スコア（独自算出の注目度）: 1.1470070927586016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Alzheimer's Disease (AD) ravages the cognitive ability of more than 5 million
Americans and creates an enormous strain on the health care system. This paper
proposes a machine learning predictive model for AD development without medical
imaging and with fewer clinical visits and tests, in hopes of earlier and
cheaper diagnoses. That earlier diagnoses could be critical in the
effectiveness of any drug or medical treatment to cure this disease. Our model
is trained and validated using demographic, biomarker and cognitive test data
from two prominent research studies: Alzheimer's Disease Neuroimaging
Initiative (ADNI) and Australian Imaging, Biomarker Lifestyle Flagship Study of
Aging (AIBL). We systematically explore different machine learning models,
pre-processing methods and feature selection techniques. The most performant
model demonstrates greater than 90% accuracy and recall in predicting AD, and
the results generalize across sub-studies of ADNI and to the independent AIBL
study. We also demonstrate that these results are robust to reducing the number
of clinical visits or tests per visit. Using a metaclassification algorithm and
longitudinal data analysis we are able to produce a "lean" diagnostic protocol
with only 3 tests and 4 clinical visits that can predict Alzheimer's
development with 87% accuracy and 79% recall. This novel work can be adapted
into a practical early diagnostic tool for predicting the development of
Alzheimer's that maximizes accuracy while minimizing the number of necessary
diagnostic tests and clinical visits.
- Abstract（参考訳）: アルツハイマー病(AD)は500万人以上のアメリカ人の認知能力を悪化させ、医療システムに多大な負担をかけている。
本稿では,より早期かつ安価な診断を期待して,医療画像のないAD開発のための機械学習予測モデルを提案し,臨床訪問や検査を少なくする。
早期診断は、この病気を治療するための薬や治療の効果において重要である可能性がある。
本モデルは,アルツハイマー病神経イメージングイニシアチブ (ADNI) とオーストラリアイメージング, バイオマーカーライフスタイル・フラッグシップ・オブ・エイジング (AIBL) の2つの研究から得られた, 人口統計, バイオマーカー, 認知検査データを用いて, 評価を行った。
我々は、異なる機械学習モデル、前処理方法、特徴選択手法を体系的に検討する。
最も性能の高いモデルはAD予測における90%以上の精度とリコールを示し、結果はADNIのサブ研究と独立AIBL研究に一般化される。
また,この結果が臨床訪問数や検査回数の減少に有効であることを実証した。
メタクラス化アルゴリズムと縦断データ分析を用いることで、3つのテストと4回の臨床訪問で87%の正確さと79%のリコールでアルツハイマー病の発症を予測する「リーン」診断プロトコルを作成できる。
この新しい研究は、必要な診断試験と臨床訪問の数を最小にしつつ、精度を最大化するアルツハイマー病の発生を予測するための実用的な早期診断ツールに適応することができる。
関連論文リスト
- MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。
本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
論文 参考訳（メタデータ） (2024-11-06T10:13:28Z) - Statistical testing on generative AI anomaly detection tools in Alzheimer's Disease diagnosis [16.73336092521471]
生成AIは、医療画像における異常検出の可能性を示している。
我々は、選択的推論を用いてこの問題を解決し、アルツハイマーの予測のための信頼できる生成AI手法を開発することを提案する。
論文 参考訳（メタデータ） (2024-10-17T09:15:09Z) - Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。
アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文 参考訳（メタデータ） (2024-02-13T15:43:30Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-06-02T01:46:31Z) - A Comprehensive Study on Machine Learning Methods to Increase the
Prediction Accuracy of Classifiers and Reduce the Number of Medical Tests
Required to Diagnose Alzheimer'S Disease [0.0]
本研究の主な目的は、適切な疾患発見精度を維持しつつ、少ない検査で病気を検出するために分類器を微調整することである。
健常者30名中4名を用いて, 約94%の症例で診断に成功した。
論文 参考訳（メタデータ） (2022-12-01T10:34:11Z) - ADiag: Graph Neural Network Based Diagnosis of Alzheimer's Disease [0.0]
アルツハイマー病(ad、英: alzheimer's disease)は、世界中で5000万人以上の脳変性疾患である。
現在、認知テストのバッテリーのスコアリング性能の形でのみ定性的なテスト手段が採用されています。
GraphSAGE NetworkとDDP(Dense Differentiable Pooling)解析によりADを診断する新しい定量的手法であるADiagを開発した。
ADiagの予備テストは、83%の堅牢な精度を明らかにし、他の定性的および定量的診断技術を大幅に上回っています。
論文 参考訳（メタデータ） (2021-01-08T06:23:30Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z)
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。