論文の概要: Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning
- arxiv url: http://arxiv.org/abs/2010.06465v2
- Date: Wed, 9 Feb 2022 22:05:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 00:40:46.958824
- Title: Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning
- Title（参考訳）: 心臓血管疾患のパーソナライズド・パステスト : 判別的要約統計学習を用いた近似ベイズ計算
- Authors: Ritabrata Dutta, Karim Zouaoui-Boudjeltia, Christos Kotsalos,
Alexandre Rousseau, Daniel Ribeiro de Sousa, Jean-Marc Desmet, Alain Van
Meerhaeghe, Antonietta Mira, Bastien Chopard
- Abstract要約: 近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
- 参考スコア（独自算出の注目度）: 48.7576911714538
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardio/cerebrovascular diseases (CVD) have become one of the major health
issue in our societies. But recent studies show that the present pathology
tests to detect CVD are ineffectual as they do not consider different stages of
platelet activation or the molecular dynamics involved in platelet interactions
and are incapable to consider inter-individual variability. Here we propose a
stochastic platelet deposition model and an inferential scheme to estimate the
biologically meaningful model parameters using approximate Bayesian computation
with a summary statistic that maximally discriminates between different types
of patients. Inferred parameters from data collected on healthy volunteers and
different patient types help us to identify specific biological parameters and
hence biological reasoning behind the dysfunction for each type of patients.
This work opens up an unprecedented opportunity of personalized pathology test
for CVD detection and medical treatment.
- Abstract（参考訳）: 心臓・脳血管疾患(CVD)は我々の社会で大きな問題となっている。
しかし,近年の研究では,血小板活性化の異なる段階や血小板相互作用に関与する分子動力学を考慮せず,個体間変異を考慮できないため,cvdを検出できる病態試験は効果がないことが示された。
本稿では,様々なタイプの患者を最大に識別する統計量を用いた近似ベイズ計算を用いて,生物的に有意なモデルパラメータを推定するための確率的血小板沈着モデルと推論手法を提案する。
健常者および異なる患者タイプで収集されたデータから推定されたパラメーターは、特定の生物学的パラメータを特定するのに役立つ。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
関連論文リスト
- Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Can Machine Learning Assist in Diagnosis of Primary Immune Thrombocytopenia? A feasibility study [12.4123972735841]
原発性免疫性血小板減少症(ITP)は末梢血血小板の免疫学的破壊を特徴とする稀な自己免疫疾患である。
疾患を確認するための確立された検査はなく、治療と結果に対する反応を予測できるバイオマーカーも存在しない。
日常的な血液検査と人口統計データを用いて, 機械学習をIPPの診断に効果的に適用できるかどうかを, 非急性外来で検討する。
論文 参考訳（メタデータ） (2024-05-31T01:04:46Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Mining Themes in Clinical Notes to Identify Phenotypes and to Predict
Length of Stay in Patients admitted with Heart Failure [3.350712823657887]
心不全 (Heart failure) は、心臓が血液や酸素を汲み上げず体内の他の臓器を支えられない場合に起こる症候群である。
心不全が疑われた患者の診断基準および処置報告の下位テーマを特定すれば、心不全に関連する臨床的表現型が明らかになる可能性がある。
論文 参考訳（メタデータ） (2023-05-30T19:30:40Z) - ExBEHRT: Extended Transformer for Electronic Health Records to Predict
Disease Subtypes & Progressions [0.0]
BEHRT(BERT)の拡張版であるExBEHRTを紹介する。
特徴空間は, 人口統計, 臨床的特徴, バイタルサイン, 喫煙状況, 診断, 処置, 薬品, 実験室検査など, 複数のマルチモーダル記録に拡張する。
異なる疾患における下流タスクのモデル性能は,追加機能により有意に向上することを示した。
論文 参考訳（メタデータ） (2023-03-22T08:03:27Z) - 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) - Mixture Model Framework for Traumatic Brain Injury Prognosis Using
Heterogeneous Clinical and Outcome Data [3.7363119896212478]
TBIに関連する大きな異種データ型をモデル化する手法を開発する。
このモデルは、人口統計、血液ベースのバイオマーカー、画像検出など、さまざまなデータタイプを含むデータセットでトレーニングされます。
教師なしの学習環境で患者を別々のグループに成層するために使用されます。
論文 参考訳（メタデータ） (2020-12-22T19:31:03Z) - Cardiac Cohort Classification based on Morphologic and Hemodynamic
Parameters extracted from 4D PC-MRI Data [6.805476759441964]
大動脈内血流データから抽出した形態学的および血行動態の特徴について検討し,心疾患のボランティアとバイカピッド大動脈弁(BAV)患者の分類について検討した。
実験では,健康なサブグループとBAV患者のために,いくつかの特徴選択法と分類アルゴリズムを用いて個別のモデルを訓練した。
論文 参考訳（メタデータ） (2020-10-12T11:36:04Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。