論文の概要: Artificial intelligence supported anemia control system (AISACS) to prevent anemia in maintenance hemodialysis patients

• arxiv url: http://arxiv.org/abs/2010.03948v1
• Date: Tue, 6 Oct 2020 03:59:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 07:50:47.830925
• Title: Artificial intelligence supported anemia control system (AISACS) to prevent anemia in maintenance hemodialysis patients
• Title（参考訳）: 維持血液透析患者の貧血予防のためのaisacs(artificial intelligence supported anemia control system)
• Authors: Toshiaki Ohara, Hiroshi Ikeda, Yoshiki Sugitani, Hiroshi Suito, Viet Quang Huy Huynh, Masaru Kinomura, Soichiro Haraguchi and Kazufumi Sakurama
• Abstract要約: エリスロポエシス刺激剤(ESA)と鉄サプリメント(IS)は予防措置として用いられる。 経験者からの管理方向データを用いて訓練した人工知能支援貧血管理システム(AISACS)を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anemia, for which erythropoiesis-stimulating agents (ESAs) and iron supplements (ISs) are used as preventive measures, presents important difficulties for hemodialysis patients. Nevertheless, the number of physicians able to manage such medications appropriately is not keeping pace with the rapid increase of hemodialysis patients. Moreover, the high cost of ESAs imposes heavy burdens on medical insurance systems. An artificial-intelligence-supported anemia control system (AISACS) trained using administration direction data from experienced physicians has been developed by the authors. For the system, appropriate data selection and rectification techniques play important roles. Decision making related to ESAs poses a multi-class classification problem for which a two-step classification technique is introduced. Several validations have demonstrated that AISACS exhibits high performance with correct classification rates of 72-87% and clinically appropriate classification rates of 92-98%.
• Abstract（参考訳）: エリスロポエシス刺激薬(esas)と鉄サプリメント(iss)を予防処置として用いる貧血は、血液透析患者にとって重要な困難を呈する。 それにもかかわらず、そのような薬を適切に管理できる医師の数は、血液透析患者の急激な増加に対応していない。 さらに、ESAの高コストは医療保険システムに重荷を課す。 経験者からの投与方向データを用いて訓練した人工知能支援貧血管理システム(AISACS)を開発した。 本システムでは,適切なデータ選択と整流技術が重要な役割を果たす。 ESAに関連する意思決定は、2段階の分類手法を導入する多クラス分類問題を引き起こす。 いくつかの検証では、AISACSは72-87%、臨床的に適切な分類率92-98%で高い性能を示した。

関連論文リスト

• Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
  本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。 入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。 稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
  論文  参考訳（メタデータ） (2024-03-26T14:36:22Z)
• Binary Gaussian Copula Synthesis: A Novel Data Augmentation Technique to Advance ML-based Clinical Decision Support Systems for Early Prediction of Dialysis Among CKD Patients [4.80104397397529]
  アメリカ疾病管理センターは、米国成人3700万人以上が慢性腎臓病(CKD)を患っていると推定している。 このうち10人のうち9人は、早期に症状がないことから、自分の状態に気付いていない。 透析の早期予測は、患者の結果を大幅に改善できるため、重要である。
  論文  参考訳（メタデータ） (2024-03-01T20:32:17Z)
• Development and Testing of a Novel Large Language Model-Based Clinical Decision Support Systems for Medication Safety in 12 Clinical Specialties [3.963266190903893]
  本稿では, 安全な薬剤処方をサポートするために, 臨床診断支援システム (CDSS) として, 新規な検索言語モデル (LLM) フレームワークを導入する。 本研究は、12の異なる医療・外科専門分野の23の臨床ヴィグネットに61のプリスクリプティングエラーシナリオを組み込んだ。
  論文  参考訳（メタデータ） (2024-01-29T16:03:29Z)
• Explainable Machine Learning for ICU Readmission Prediction [0.10071153797668914]
  集中治療ユニット(ICU)は、複雑な病院環境を含む。 この環境における不確かで競合し、計画されていない側面は、ケアパスを均一に実施することの難しさを増大させる。 いくつかのユーティリティーは患者の医療情報を通じて寛解を予測しようと試みている。 この研究は、多中心データベース上で患者の寛容をモデル化するための標準化された、説明可能な機械学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-09-25T00:16:43Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Prediction of drug effectiveness in rheumatoid arthritis patients based on machine learning algorithms [2.5759046095742453]
  慢性関節リウマチ(RA)は、患者の免疫系が誤って自身の組織を標的としたときに引き起こされる自己免疫疾患である。 機械学習(ML)は、患者の電子的健康記録のパターンを特定し、患者の結果を改善する最良の臨床治療を予測する可能性がある。 本研究は, 臨床データから情報を取り出すためのデータ処理パイプラインを設計し, 機能的使用のために前処理し, 2) 薬物に対するRA患者の反応を予測し, 分類モデルの性能を評価するためのTNFフレームワークを導入した。
  論文  参考訳（メタデータ） (2022-10-14T15:15:37Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• Explainable Artificial Intelligence for Pharmacovigilance: What Features Are Important When Predicting Adverse Outcomes? [21.346072731259248]
  我々は、個人の健康情報を入力として取り込むモデルを作成し、その個人が急性冠症候群を発症する確率を予測する。 XAIを用いて、特定の薬物がこれらのACS予測に与える影響を定量化した。 ロフェコキシブとセロコキシブの薬物放出特性は、ACS関連副作用予測に0以上の寄与があることが判明した。
  論文  参考訳（メタデータ） (2021-12-25T09:00:08Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。