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
- 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) - XMI-ICU: Explainable Machine Learning Model for Pseudo-Dynamic
Prediction of Mortality in the ICU for Heart Attack Patients [3.5475382876263915]
心臓発作は、米国と世界の死亡率に最も貢献している1つである。
我々は,ICUにおける死亡予測のための新しい擬似力学機械学習フレームワークを開発し,解釈可能性と臨床リスク分析を行った。
論文 参考訳(メタデータ) (2023-05-10T12:53:18Z) - 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) - 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) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-24T18:58:40Z) - 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) - Spatio-temporal Learning from Longitudinal Data for Multiple Sclerosis
Lesion Segmentation [42.25397672438179]
症例70名を対象に,本法の有効性について検討した。
総合点数では、現状の成果を2.6%改善する。
論文 参考訳(メタデータ) (2020-04-07T19:57:24Z) - 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。