論文の概要: Tracking Results and Utilization of Artificial Intelligence (tru-AI) in
Radiology: Early-Stage COVID-19 Pandemic Observations
- arxiv url: http://arxiv.org/abs/2010.07437v1
- Date: Wed, 14 Oct 2020 23:37:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 14:39:42.726496
- Title: Tracking Results and Utilization of Artificial Intelligence (tru-AI) in
Radiology: Early-Stage COVID-19 Pandemic Observations
- Title（参考訳）: 放射線学における人工知能(tru-ai)の追跡結果と活用--covid-19流行の早期観察
- Authors: Axel Wism\"uller and Larry Stockmaster
- Abstract要約: tru-AIアプローチは、重要な疾患関連観測量を測定するためにサロゲートを計算するように設計されている。
頭部CTにおける頭蓋内出血(ICH)を自動的に同定するためのサービス要求を,商用AIソリューションを用いて分析した。
- 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: Objective: To introduce a method for tracking results and utilization of
Artificial Intelligence (tru-AI) in radiology. By tracking both large-scale
utilization and AI results data, the tru-AI approach is designed to calculate
surrogates for measuring important disease-related observational quantities
over time, such as the prevalence of intracranial hemorrhage during the
COVID-19 pandemic outbreak. Methods: To quantitatively investigate the clinical
applicability of the tru-AI approach, we analyzed service requests for
automatically identifying intracranial hemorrhage (ICH) on head CT using a
commercial AI solution. This software is typically used for AI-based
prioritization of radiologists' reading lists for reducing turnaround times in
patients with emergent clinical findings, such as ICH or pulmonary embolism.We
analyzed data of N=9,421 emergency-setting non-contrast head CT studies at a
major US healthcare system acquired from November 1, 2019 through June 2, 2020,
and compared two observation periods, namely (i) a pre-pandemic epoch from
November 1, 2019 through February 29, 2020, and (ii) a period during the
COVID-19 pandemic outbreak, April 1-30, 2020. Results: Although daily CT scan
counts were significantly lower during (40.1 +/- 7.9) than before (44.4 +/-
7.6) the COVID-19 outbreak, we found that ICH was more likely to be observed by
AI during than before the COVID-19 outbreak (p<0.05), with approximately one
daily ICH+ case more than statistically expected. Conclusion: Our results
suggest that, by tracking both large-scale utilization and AI results data in
radiology, the tru-AI approach can contribute clinical value as a versatile
exploratory tool, aiming at a better understanding of pandemic-related effects
on healthcare.
- Abstract（参考訳）: 目的: 放射線学における人工知能(tru-AI)の結果の追跡と活用方法を提案する。
tru-aiアプローチは、大規模利用とai結果のデータの両方を追跡することで、新型コロナウイルス(covid-19)の流行による頭蓋内出血の発生など、経時的に重要な疾患関連観察量を測定するためのサーロゲートを計算することを目的としている。
方法: tru-AIアプローチの臨床応用性を定量的に検討するため, 商用AIソリューションを用いて頭蓋内出血(ICH)を自動的に同定するためのサービス要求を分析した。
我々は,2019年11月1日から2020年6月2日までに取得した大手医療システムにおいて,N=9,421名の緊急設定型非コントラスト頭部CT研究のデータを分析し,2回の観察期間を比較検討した。
(i)2019年11月1日から2020年2月29日までのパンデミック前期
(ii)2020年4月1～30日の新型コロナウイルス(covid-19)パンデミックの期間。
結果: 40.1+/-7.9) において, 日当たりのCTスキャン数は, 前(44.4+/7.6) に比べて有意に低かったが, 日当たりのICC+症例は, 統計学的に予想されるよりも1日あたりのICC+症例の方がAIにより観察される可能性が高かった。
結論: 放射線学における大規模利用とai結果データの両方を追跡することにより, tru-aiアプローチは, 医療に対するパンデミック関連効果の理解を深めるため, 広汎な探索ツールとして臨床価値を寄与できることが示唆された。
関連論文リスト
- Artificial intelligence for abnormality detection in high volume neuroimaging: a systematic review and meta-analysis [0.5934394862891423]
神経画像における異常を検出する人工知能(AI)モデルを評価するほとんどの研究は、非表現的な患者コホートで試験されている。
目的は、診断テストの精度を判定し、第一線高ボリュームのニューロイメージングタスクを実行するAIモデルの使用を支持する証拠を要約することであった。
論文 参考訳（メタデータ） (2024-05-09T10:12:17Z) - AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳（メタデータ） (2024-02-12T22:09:43Z) - 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) - AIforCOVID: predicting the clinical outcomes in patients with COVID-19
applying AI to chest-X-rays. An Italian multicentre study [7.456548336226919]
胸部X線(CXR)が集中治療や死亡などの重篤な結果の危険にさらされる患者の早期発見のための可能なツールとして使用できるかどうかを検討する。
CXRは、CT(Computed tomography)と比較して、より単純で、より速く、より広く、放射線線量を減らす放射線技術である。
2020年春にイタリアの6つの病院から820人の患者から収集されたデータを含むデータセットを提案する。
論文 参考訳（メタデータ） (2020-12-11T18:03:08Z) - Clinical prediction system of complications among COVID-19 patients: a
development and validation retrospective multicentre study [0.3569980414613667]
2020年4月1日から4月30日までにUAEのアブダビ(AD)で18施設に入院した3,352人の患者から収集したデータを用いた。
最初の24時間に収集されたデータを用いて、機械学習ベースの予後システムは、入院中に7つの合併症を発生させるリスクを予測する。
このシステムは、すべての合併症と両方の領域にわたって良好な精度を達成する。
論文 参考訳（メタデータ） (2020-11-28T18:16:23Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
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。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z) - AI-Driven CT-based quantification, staging and short-term outcome
prediction of COVID-19 pneumonia [3.672093204122992]
胸部CTはコロナウイルス感染症2019(COVID-19)肺炎の管理に広く用いられている。
CTは、新型コロナウイルス(COVID-19)肺の異常の程度を視覚的に評価することで予後に影響を及ぼす。
論文 参考訳（メタデータ） (2020-04-20T12:24:08Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。