論文の概要: Predicting Kidney Transplant Survival using Multiple Feature Representations for HLAs

• arxiv url: http://arxiv.org/abs/2103.03305v1
• Date: Thu, 4 Mar 2021 20:22:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-08 14:58:46.935092
• Title: Predicting Kidney Transplant Survival using Multiple Feature Representations for HLAs
• Title（参考訳）: HLAの多重特徴表現を用いた腎臓移植生存予測
• Authors: Mohammadreza Nemati, Haonan Zhang, Michael Sloma, Dulat Bekbolsynov, Hong Wang, Stanislaw Stepkowski, and Kevin S. Xu
• Abstract要約: 本稿では,HLA情報を機械学習に基づく生存分析アルゴリズムに組み込む生体関連特徴表現を提案する。 提案したHLAの特徴表現を10万以上の移植のデータベースで評価し,予測精度を約1%向上させた。
• 参考スコア（独自算出の注目度）: 5.081264894734788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kidney transplantation can significantly enhance living standards for people suffering from end-stage renal disease. A significant factor that affects graft survival time (the time until the transplant fails and the patient requires another transplant) for kidney transplantation is the compatibility of the Human Leukocyte Antigens (HLAs) between the donor and recipient. In this paper, we propose new biologically-relevant feature representations for incorporating HLA information into machine learning-based survival analysis algorithms. We evaluate our proposed HLA feature representations on a database of over 100,000 transplants and find that they improve prediction accuracy by about 1%, modest at the patient level but potentially significant at a societal level. Accurate prediction of survival times can improve transplant survival outcomes, enabling better allocation of donors to recipients and reducing the number of re-transplants due to graft failure with poorly matched donors.
• Abstract（参考訳）: 腎移植は末期腎疾患患者の生活水準を大幅に向上させることができる。 腎移植の移植生存時間(移植が失敗し、患者が別の移植を受けるまでの時間)に影響を与える重要な要因は、ドナーと受取人のヒト白血球抗原(HLA)の適合性である。 本稿では,HLA情報を機械学習による生存分析アルゴリズムに組み込む生体関連特徴表現を提案する。 提案したHLA特徴表現は10万以上の移植のデータベース上で評価し, 約1%の精度で予測精度が向上し, 患者レベルでは緩やかだが, 社会的レベルでは有意義であることが確認された。 生存時間の正確な予測は、移植後の生存率を改善でき、受け手へのドナーの割り当てが向上し、移植片の不全による再移植の回数が減少する。

関連論文リスト

• Optimizing Hard-to-Place Kidney Allocation: A Machine Learning Approach to Center Ranking [0.4893345190925178]
  そこで本稿では, 中心に腎を配置するデータ駆動型機械学習によるランキングシステムを提案する。 本実験により, 提案方針は, 全腎臓に4倍, 固着腎臓に10倍のセンター数を減らした。
  論文  参考訳（メタデータ） (2024-10-10T17:15:41Z)
• Predicting Long-Term Allograft Survival in Liver Transplant Recipients [11.680219281917076]
  移植後5年以内に肝移植患者の約20%に肝移植不全が発生する。 我々は,他の先進的生存モデルよりも優れた線形リスクスコアであるMAS(Model for Allograft Survival)を導入する。
  論文  参考訳（メタデータ） (2024-08-10T04:44:36Z)
• Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
  現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。 我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
  論文  参考訳（メタデータ） (2023-10-24T02:56:05Z)
• Penalties and Rewards for Fair Learning in Paired Kidney Exchange Programs [4.963350442999301]
  腎臓交換プログラム(英: kidney exchange program)または腎臓対寄付プログラム(英: kidney paired donation program)は、反復的、ダイナミックな取引と割り当てのメカニズムであると見なすことができる。 カナダ・キドニー・ペアド・寄付計画(Canadian Kidney Paired Donation Program)のフルスケールシミュレーションを用いて,この仮説を確認した。 腎臓交換プログラムの性能を決定する上で最も重要な要因は、患者とドナーのペアに対する正の重み付け(逆戻り)を司法的に割り当てることではない。
  論文  参考訳（メタデータ） (2023-09-23T16:25:49Z)
• A Transformer-Based Deep Learning Approach for Fairly Predicting Post-Liver Transplant Risk Factors [19.00784227522497]
  肝移植は、末期肝疾患患者の救命法である。 現在のスコアシステムは、90日以内に臓器を受け取らなければ患者の死亡リスクを評価する。 心血管疾患や慢性拒絶などの移植後リスク因子は移植後の合併症である。
  論文  参考訳（メタデータ） (2023-04-05T22:54:26Z)
• Multi-Task Learning for Post-transplant Cause of Death Analysis: A Case Study on Liver Transplant [65.85767739748901]
  移植後の死因は、臨床的意思決定の強力なツールである。 Model for End-stage Liver Disease (MELD) スコアや従来の機械学習 (ML) メソッドのような従来の手法は、CoD 解析において限られている。 我々は,多タスク学習を利用したCoD-MTLと呼ばれる新しいフレームワークを提案し,様々なCoD予測タスク間の意味関係をモデル化する。
  論文  参考訳（メタデータ） (2023-03-30T01:31:49Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• 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)
• A Latent Space Model for HLA Compatibility Networks in Kidney Transplantation [3.126228073640188]
  移植の生存時間に影響を与える重要な生物学的要因は、ドナーと受容器のヒト白血球抗原(HLA)の相同性である。 本稿では,ノードがドナーと受信者の異なるHLAを示すネットワークを用いてHLA互換をモデル化し,エッジウェイトは適合性を示す。 我々は,我々の潜伏空間モデルがHLA適合度をより正確に推定できるだけでなく,生存時間を予測する下流タスクの精度を向上させるために生存解析モデルに組み込むことが可能であることを実証した。
  論文  参考訳（メタデータ） (2022-11-04T02:55:25Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• Learning $\mathbf{\mathit{Matching}}$ Representations for Individualized Organ Transplantation Allocation [98.43063331640538]
  臓器アロケーションと移植結果の観察データを用いて,臓器マッチングのためのデータ駆動型ルールの学習問題を定式化する。 本稿では,表現学習に基づくモデルを提案し,ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ド 本モデルは,ヒトの専門家が実施する最先端のアロケーション手法やポリシーより優れる。
  論文  参考訳（メタデータ） (2021-01-28T01:33:21Z)

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。