論文の概要: Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review
- arxiv url: http://arxiv.org/abs/2010.06047v1
- Date: Mon, 12 Oct 2020 21:43:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 05:57:06.793465
- Title: Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review
- Title（参考訳）: アルツハイマー病モニタリングのための人工知能, 音声, 言語処理のアプローチ : 体系的考察
- Authors: Sofia de la Fuente Garcia, Craig Ritchie and Saturnino Luz
- Abstract要約: 本稿では,アルツハイマー病の認知機能低下を予測するための人工知能,音声,言語処理の利用に関する現在の知見を要約する。
筆者らは2000年から2019年にかけて, PROSPEROに登録されたオリジナルの研究の体系的レビューを行った。
- 参考スコア（独自算出の注目度）: 5.635607414700482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Language is a valuable source of clinical information in Alzheimer's Disease,
as it declines concurrently with neurodegeneration. Consequently, speech and
language data have been extensively studied in connection with its diagnosis.
This paper summarises current findings on the use of artificial intelligence,
speech and language processing to predict cognitive decline in the context of
Alzheimer's Disease, detailing current research procedures, highlighting their
limitations and suggesting strategies to address them. We conducted a
systematic review of original research between 2000 and 2019, registered in
PROSPERO (reference CRD42018116606). An interdisciplinary search covered six
databases on engineering (ACM and IEEE), psychology (PsycINFO), medicine
(PubMed and Embase) and Web of Science. Bibliographies of relevant papers were
screened until December 2019. From 3,654 search results 51 articles were
selected against the eligibility criteria. Four tables summarise their
findings: study details (aim, population, interventions, comparisons, methods
and outcomes), data details (size, type, modalities, annotation, balance,
availability and language of study), methodology (pre-processing, feature
generation, machine learning, evaluation and results) and clinical
applicability (research implications, clinical potential, risk of bias and
strengths/limitations). While promising results are reported across nearly all
51 studies, very few have been implemented in clinical research or practice. We
concluded that the main limitations of the field are poor standardisation,
limited comparability of results, and a degree of disconnect between study aims
and clinical applications. Attempts to close these gaps should support
translation of future research into clinical practice.
- Abstract（参考訳）: 言語はアルツハイマー病における臨床情報の貴重な情報源であり、神経変性と同時に減少する。
その結果,音声および言語データは,その診断に関連して広範囲に研究されている。
本稿では,アルツハイマー病の文脈における認知的低下を予測するための人工知能,音声,言語処理の利用に関する最近の知見を要約し,その限界を強調し,対処策を提案する。
筆者らは2000年から2019年にかけて, PROSPERO (reference CRD42018116606) に登録されたオリジナルの研究の体系的レビューを行った。
学際的検索では、工学(ACMとIEEE)、心理学(PsycINFO)、医学(PubMedとEmbase)、Web of Scienceの6つのデータベースを網羅した。
関連論文の書誌は2019年12月まで上映された。
3,654項目から51項目を適格基準に選択した。
研究の詳細(aim、人口、介入、比較、方法、結果)、データの詳細(サイズ、タイプ、モダリティ、注釈、バランス、可用性、研究言語)、方法論(前処理、特徴生成、機械学習、評価と結果)、臨床応用可能性(研究の意義、臨床の可能性、バイアスと強みのリスク)である。
有望な結果は51研究のほぼ全てで報告されているが、臨床研究や実践ではほとんど実施されていない。
この分野の主な制限は、標準化の貧弱さ、結果のコンパラビリティの制限、研究目的と臨床応用との切り離しの程度であると結論づけた。
これらのギャップを埋めようとする試みは、将来の臨床研究の翻訳を支援するべきである。
関連論文リスト
- Natural Language Processing for Analyzing Electronic Health Records and Clinical Notes in Cancer Research: A Review [1.3966247773236926]
本総説は, がん研究における自然言語処理(NLP)の応用を電子健康記録(EHR)と臨床ノートを用いて分析することを目的とする。
データ抽出には、研究の特徴、がんの種類、NLP方法論、データセット情報、パフォーマンス指標、課題、今後の方向性が含まれていた。
論文 参考訳（メタデータ） (2024-10-29T16:17:07Z) - Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。
パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。
得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文 参考訳（メタデータ） (2024-09-09T06:55:37Z) - Computational analysis of the language of pain: a systematic review [0.19999259391104385]
本研究の目的は、痛みの言語の計算処理に関する文献を体系的にレビューすることである。
データ抽出と合成を行い、その目的と結果に応じて選択された研究を分類した。
論文 参考訳（メタデータ） (2024-04-24T21:59:40Z) - De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳（メタデータ） (2023-11-28T13:20:41Z) - Natural Language Processing in Electronic Health Records in Relation to
Healthcare Decision-making: A Systematic Review [2.555168694997103]
自然言語処理は電子健康記録から臨床知見を抽出するために広く用いられている。
注釈付きデータや自動化ツール、その他の課題の欠如は、EHRに対するNLPのフル活用を妨げる。
機械学習(ML)、ディープラーニング(DL)、NLP技術を研究し、この分野の限界と機会を包括的に理解するために比較した。
論文 参考訳（メタデータ） (2023-06-22T12:10:41Z) - GDPR Compliant Collection of Therapist-Patient-Dialogues [48.091760741427656]
我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。
本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
論文 参考訳（メタデータ） (2022-11-22T15:51:10Z) - LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。
タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。
クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
論文 参考訳（メタデータ） (2022-04-12T12:25:05Z) - Machine learning for modeling the progression of Alzheimer disease
dementia using clinical data: a systematic literature review [2.8136734847819773]
アルツハイマー病(英語: Alzheimer disease, AD)は、認知障害を特徴とする認知失調症である。
我々は2010年1月1日から2020年5月31日まで,PubMed, Scopus, ScienceDirect, IEEE Explore Digital Library, Association for Computing Machinery Digital Library, arXivで論文を検索した。
我々は、事前定義された基準を用いて、関連する項目を選択し、データ特性、計算アルゴリズム、研究焦点などのML分析の重要な要素に従ってそれらを要約した。
論文 参考訳（メタデータ） (2021-08-05T04:38:47Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z) - A Systematic Review of Natural Language Processing Applied to Radiology
Reports [3.600747505433814]
本研究は, 放射線学報告に応用されたNLPの最近の文献を体系的に評価する。
本研究は, 放射線学的特徴, nlp法, 性能, 研究, 臨床応用特性を含む21の変数に基づく。
論文 参考訳（メタデータ） (2021-02-18T18:54:41Z) - 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。