論文の概要: Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units
- arxiv url: http://arxiv.org/abs/2007.08491v1
- Date: Thu, 16 Jul 2020 17:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 22:23:18.209078
- Title: Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units
- Title(参考訳): マルチタスクゲートリカレントユニットを用いた電子健康記録からの心血管疾患発症の予測
- Authors: Fernando Andreotti, Frank S. Heldt, Basel Abu-Jamous, Ming Li, Avelino
Javer, Oliver Carr, Stojan Jovanovic, Nadezda Lipunova, Benjamin Irving,
Rabia T. Khan, Robert D\"urichen
- Abstract要約: 本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
- 参考スコア(独自算出の注目度): 51.14334174570822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we propose a multi-task recurrent neural network with attention
mechanism for predicting cardiovascular events from electronic health records
(EHRs) at different time horizons. The proposed approach is compared to a
standard clinical risk predictor (QRISK) and machine learning alternatives
using 5-year data from a NHS Foundation Trust. The proposed model outperforms
standard clinical risk scores in predicting stroke (AUC=0.85) and myocardial
infarction (AUC=0.89), considering the largest time horizon. Benefit of using
an \gls{mt} setting becomes visible for very short time horizons, which results
in an AUC increase between 2-6%. Further, we explored the importance of
individual features and attention weights in predicting cardiovascular events.
Our results indicate that the recurrent neural network approach benefits from
the hospital longitudinal information and demonstrates how machine learning
techniques can be applied to secondary care.
- Abstract(参考訳): 本研究では,電子健康記録(ehrs)から心血管イベントを時間軸ごとに予測するための注意機構を備えたマルチタスクリカレントニューラルネットワークを提案する。
提案手法は,nhs foundation trustの5年間のデータを用いて,標準臨床リスク予測器(qrisk)と機械学習代替品と比較した。
予測脳卒中 (auc=0.85) と心筋梗塞 (auc=0.89) における標準臨床リスクスコアを, 最大時間軸を考慮し, 比較検討した。
gls{mt} 設定を使うことの利点は、非常に短時間の水平線で見え、その結果 AUC は 2-6% に増加する。
さらに,心血管イベントの予測における個々の特徴と注意重みの重要性について検討した。
以上の結果から,リカレントニューラルネットワークアプローチは病院の縦断情報から利益を得られることを示し,二次医療における機械学習手法の適用方法を示す。
関連論文リスト
- TA-RNN: an Attention-based Time-aware Recurrent Neural Network
Architecture for Electronic Health Records [0.0]
リカレントニューラルネットワーク(RNN)のような深層学習手法を用いて、ERHを分析して疾患の進行をモデル化し、診断を予測する。
本研究では,TA-RNN(Time-Aware RNN)とTA-RNN-Autoencoder(TA-RNN-AE)という,RNNに基づく2つの解釈可能なDLアーキテクチャを提案する。
本研究では,不規則な時間間隔の影響を軽減するため,訪問時間間の時間埋め込みを取り入れることを提案する。
論文 参考訳(メタデータ) (2024-01-26T07:34:53Z) - Optimizing Medication Decisions for Patients with Atrial Fibrillation
through Path Development Network [4.682776828229116]
心房細動(英: atrial fibrillation、AF)は、心房の急激な収縮と不規則な収縮を特徴とする一般的な不整脈である。
本研究では,AF患者に抗凝固療法を推奨すべきかどうかを予測する機械学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-01-18T14:31:11Z) - Improving Diffusion Models for ECG Imputation with an Augmented Template
Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。
近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。
本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文 参考訳(メタデータ) (2023-10-24T11:34:15Z) - Contrastive Learning-based Imputation-Prediction Networks for
In-hospital Mortality Risk Modeling using EHRs [9.578930989075035]
本稿では, EHRデータを用いた病院内死亡リスク予測のための, 対照的な学習ベース予測ネットワークを提案する。
本研究は, グラフ解析に基づく患者層形成モデルを用いて, 似通った患者をグループ化する手法を提案する。
2つの実世界のEHRデータセットの実験により、我々のアプローチは、計算タスクと予測タスクの両方において最先端のアプローチよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-08-19T03:24:34Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳(メタデータ) (2022-04-20T17:28:08Z) - Deep artificial neural network for prediction of atrial fibrillation
through the analysis of 12-leads standard ECG [0.0]
心房細動(Atrial Fibrillation,AF)は心臓不整脈である。
畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
論文 参考訳(メタデータ) (2022-01-14T10:09:01Z) - 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) - An artificial intelligence system for predicting the deterioration of
COVID-19 patients in the emergency department [28.050958444802944]
新型コロナウイルス感染症(COVID-19)のパンデミックでは、救急署の患者を迅速かつ正確にトリアージすることが重要である。
胸部X線画像から学習したディープニューラルネットワークを用いて,データ駆動による劣化リスクの自動予測手法を提案する。
我々は3,661人の患者から得られたデータを用いて,96時間以内の劣化を予測した場合に,受信者の動作特性曲線(AUC)が0.786未満の領域を達成した。
論文 参考訳(メタデータ) (2020-08-04T19:20:31Z) - Deep Recurrent Model for Individualized Prediction of Alzheimer's
Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。
本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文 参考訳(メタデータ) (2020-05-06T08:08:00Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z)
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。