論文の概要: Analyzing the effect of APOE on Alzheimer's disease progression using an
event-based model for stratified populations
- arxiv url: http://arxiv.org/abs/2009.07139v1
- Date: Tue, 15 Sep 2020 14:46:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 05:40:33.732433
- Title: Analyzing the effect of APOE on Alzheimer's disease progression using an
event-based model for stratified populations
- Title（参考訳）: 成層集団に対するイベントベースモデルを用いたapoeのアルツハイマー病発症に及ぼす影響の解析
- Authors: Vikram Venkatraghavan, Stefan Klein, Lana Fani, Leontine S. Ham, Henri
Vrooman, M. Kamran Ikram, Wiro J. Niessen, Esther E. Bron (for the
Alzheimer's Disease Neuroimaging Initiative)
- Abstract要約: 鑑別事象ベースモデル(DEBM)を用いたアルツハイマー病の進行タイムラインに対するAPOEアレルの効果について検討した。
本研究の目的は,DEBMの異なるステップをグループ固有の部分とグループ固有の部分に分割する,新しいアプローチを提案し,評価することである。
提示されたモデルは、疾患の理解を助け、臨床治験のために発症する症状のリスクにおいて、症状前患者の同種グループを選択するのに役立てることができる。
- 参考スコア（独自算出の注目度）: 3.4935855647873293
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Alzheimer's disease (AD) is the most common form of dementia and is
phenotypically heterogeneous. APOE is a triallelic gene which correlates with
phenotypic heterogeneity in AD. In this work, we determined the effect of APOE
alleles on the disease progression timeline of AD using a discriminative
event-based model (DEBM). Since DEBM is a data-driven model, stratification
into smaller disease subgroups would lead to more inaccurate models as compared
to fitting the model on the entire dataset. Hence our secondary aim is to
propose and evaluate novel approaches in which we split the different steps of
DEBM into group-aspecific and group-specific parts, where the entire dataset is
used to train the group-aspecific parts and only the data from a specific group
is used to train the group-specific parts of the DEBM. We performed simulation
experiments to benchmark the accuracy of the proposed approaches and to select
the optimal approach. Subsequently, the chosen approach was applied to the
baseline data of 417 cognitively normal, 235 mild cognitively impaired who
convert to AD within 3 years, and 342 AD patients from the Alzheimer's Disease
Neuroimaging Initiative (ADNI) dataset to gain new insights into the effect of
APOE carriership on the disease progression timeline of AD. The presented
models could aid understanding of the disease, and in selecting homogeneous
group of presymptomatic subjects at-risk of developing symptoms for clinical
trials.
- Abstract（参考訳）: アルツハイマー病(ad)は認知症で最も一般的な形態であり、表現型的に異種である。
APOEは、ADの表現型不均一性と相関するトリル酸遺伝子である。
本研究では,apoeアレルがadの疾患進行タイムラインに及ぼす影響を識別イベントベースモデル(debm)を用いて決定した。
DEBMはデータ駆動モデルであるため、より小さな疾患サブグループへの成層化は、データセット全体のモデルに適合するよりも不正確なモデルにつながる。
そこで本研究の目的は,DEBMの異なるステップをグループ固有部分とグループ固有部分に分割し,データセット全体を用いてグループ固有部分をトレーニングし,特定のグループからのデータのみを用いてグループ固有部分をトレーニングするという,新たなアプローチを提案することである。
提案手法の精度をベンチマークし,最適手法を選択するためのシミュレーション実験を行った。
その後, 認知正常417例, 軽度認知障害235例, 3年以内にADに転換した235例, アルツハイマー病神経イメージングイニシアチブ(ADNI)データセット342例を対象に, APOEキャリアシップがADの進行タイムラインに及ぼす影響について新たな知見を得た。
提示されたモデルは、疾患の理解を助け、臨床治験の症状の発症リスクにおいて、症状前患者の同種グループを選択するのに役立つ。
関連論文リスト
- Multimodal Neurodegenerative Disease Subtyping Explained by ChatGPT [15.942849233189664]
アルツハイマー病は最も多い神経変性疾患である。
現在のデータ駆動型アプローチでは、ADまたは関連する障害の後期段階でサブタイプを分類することができるが、無症状またはプロドロマル段階の予測では困難である。
本稿では,AD患者を早期にサブタイプに分類するために,画像,遺伝学,臨床評価などの早期指標を用いたマルチモーダルフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-31T19:30:04Z) - A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification [1.5566524830295307]
本稿では,アルツハイマー病分類のための2つの注意モジュールを備えた3次元畳み込みニューラルネットワークを提案する。
このモデルをADNIデータベースでトレーニングし、2つの独立したデータセットで本手法の一般化性を検証する。
論文 参考訳（メタデータ） (2023-10-19T08:33:23Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z) - Normative Modeling via Conditional Variational Autoencoder and
Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease [10.302206705998563]
アルツハイマー病(AD)の脳機能障害を同定するために、条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング法を提案する。
OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルと比較してADに対する感度が高いことが示された。
論文 参考訳（メタデータ） (2022-11-13T07:36:30Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - 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) - 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) - Temporal Phenotyping using Deep Predictive Clustering of Disease
Progression [97.88605060346455]
我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。
2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
論文 参考訳（メタデータ） (2020-06-15T20:48:43Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z) - 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)
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。