論文の概要: Handling uncertainty using features from pathology: opportunities in
primary care data for developing high risk cancer survival methods
- arxiv url: http://arxiv.org/abs/2012.09976v1
- Date: Thu, 17 Dec 2020 23:27:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-02 09:14:50.431262
- Title: Handling uncertainty using features from pathology: opportunities in
primary care data for developing high risk cancer survival methods
- Title(参考訳): 病理的特徴を用いた不確実性処理 : 高リスク癌生存法開発のためのプライマリケアデータの活用の可能性
- Authors: Goce Ristanoski, Jon Emery, Javiera Martinez-Gutierrez, Damien
Mccarthy, Uwe Aickelin
- Abstract要約: 2019年、オーストラリア人144万人以上ががんと診断された。
大多数は、スクリーニングプログラムが存在する癌でさえ、症状的にGPに最初に現れます。
病理検査の結果ががんの予後を予測できる特徴の導出にどのようにつながるか検討する。
- 参考スコア(独自算出の注目度): 0.10499611180329804
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: More than 144 000 Australians were diagnosed with cancer in 2019. The
majority will first present to their GP symptomatically, even for cancer for
which screening programs exist. Diagnosing cancer in primary care is
challenging due to the non-specific nature of cancer symptoms and its low
prevalence. Understanding the epidemiology of cancer symptoms and patterns of
presentation in patient's medical history from primary care data could be
important to improve earlier detection and cancer outcomes. As past medical
data about a patient can be incomplete, irregular or missing, this creates
additional challenges when attempting to use the patient's history for any new
diagnosis. Our research aims to investigate the opportunities in a patient's
pathology history available to a GP, initially focused on the results within
the frequently ordered full blood count to determine relevance to a future
high-risk cancer prognosis, and treatment outcome. We investigated how past
pathology test results can lead to deriving features that can be used to
predict cancer outcomes, with emphasis on patients at risk of not surviving the
cancer within 2-year period. This initial work focuses on patients with lung
cancer, although the methodology can be applied to other types of cancer and
other data within the medical record. Our findings indicate that even in cases
of incomplete or obscure patient history, hematological measures can be useful
in generating features relevant for predicting cancer risk and survival. The
results strongly indicate to add the use of pathology test data for potential
high-risk cancer diagnosis, and the utilize additional pathology metrics or
other primary care datasets even more for similar purposes.
- Abstract(参考訳): 2019年、オーストラリア人144万人以上ががんと診断された。
大多数は、スクリーニングプログラムが存在する癌であっても、まずgpの症状を呈する。
プライマリケアにおけるがんの診断は、がん症状の非特異的な性質と頻度が低いため困難である。
がんの症状の疫学と,プライマリケアデータから患者の医療史の提示パターンを理解することは,早期発見とがん予後を改善する上で重要であると考えられた。
過去の患者の医療データは不完全、不規則、または欠如である可能性があるため、新しい診断に患者の歴史を使おうとする際、さらなる課題が生じる。
本研究の目的は,患者がGPで利用できる病歴の機会を探ることであり,早期に高リスク癌予後と治療成績の関連性を検討するために,早期に注文された全血液計数の結果に焦点をあてることである。
2年以内に癌を生存しないリスクのある患者に焦点をあてて,過去の病理検査結果が癌の予後を予測するのに利用できる特徴の導出につながるかを検討した。
この最初の研究は肺癌患者に焦点を当てているが、その方法論は他の種類のがんや他の医療記録に応用できる。
病理組織学的検査は,不完全あるいは不明瞭な症例においても,癌リスクと生存率の予測に関連性のある特徴を生じさせるのに有用であると考えられた。
以上の結果から,高リスク癌診断のための病理検査データの利用が強く示唆され,同様の目的で,新たな病理指標や他のプライマリケアデータセットの利用がさらに促進された。
関連論文リスト
- Cancer-Answer: Empowering Cancer Care with Advanced Large Language Models [0.0]
消化器癌(GI)は、世界のがん負担のかなりの部分を占める。
がん関連クエリは、タイムリーな診断、治療、患者教育に不可欠である。
我々は,GPT-3.5 Turboのような大規模言語モデル(LLM)を利用して,がん関連クエリに対する正確で文脈的に関連する応答を生成する。
論文 参考訳(メタデータ) (2024-11-11T12:54:22Z) - Application analysis of ai technology combined with spiral CT scanning
in early lung cancer screening [15.6839495538166]
肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。
近年、人工知能技術が腫瘍学に徐々に応用され始めている。
本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
論文 参考訳(メタデータ) (2024-01-26T07:58:09Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳(メタデータ) (2023-04-12T05:41:44Z) - Artificial intelligence based prediction on lung cancer risk factors
using deep learning [0.0]
早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。
深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。
その結果, 精度は94%, 最小損失は0.1%であった。
論文 参考訳(メタデータ) (2023-04-11T08:57:15Z) - Deep Learning Approach for Early Stage Lung Cancer Detection [0.0]
肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。
本稿ではCTスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2023-02-05T18:50:12Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳(メタデータ) (2022-11-18T03:26:31Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳(メタデータ) (2022-11-10T03:02:12Z) - Machine Learning-based Lung and Colon Cancer Detection using Deep
Feature Extraction and Ensemble Learning [0.9786690381850355]
肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。
深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。
本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
論文 参考訳(メタデータ) (2022-06-02T15:14:41Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳(メタデータ) (2022-04-07T22:14:37Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳(メタデータ) (2020-11-22T17:31:23Z)
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。