論文の概要: Development and Validation of a Deep Learning Model for Prediction of
Severe Outcomes in Suspected COVID-19 Infection
- arxiv url: http://arxiv.org/abs/2103.11269v1
- Date: Sun, 21 Mar 2021 00:03:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 14:53:55.964631
- Title: Development and Validation of a Deep Learning Model for Prediction of
Severe Outcomes in Suspected COVID-19 Infection
- Title（参考訳）: 新型コロナウイルス感染症の重症度予測のための深層学習モデルの開発と妥当性の検討
- Authors: Varun Buch, Aoxiao Zhong, Xiang Li, Marcio Aloisio Bezerra Cavalcanti
Rockenbach, Dufan Wu, Hui Ren, Jiahui Guan, Andrew Liteplo, Sayon Dutta,
Ittai Dayan, Quanzheng Li
- Abstract要約: 救急外来(ed)に初診した患者の予測結果を伴うトリエイジングは、患者の予後を改善する上で重要である。
我々は、患者の結果を予測するために深い機能融合モデルを訓練した。
モデルアウトプットは、最も非感受性な酸素療法が要求される患者の結果であった。
新型コロナウイルス重篤な結果(CO-RISKスコア)の予測リスクスコアは、モデルアウトプットから導出され、テストデータセットで評価された。
- 参考スコア（独自算出の注目度）: 9.524156465126758
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: COVID-19 patient triaging with predictive outcome of the patients upon first
present to emergency department (ED) is crucial for improving patient
prognosis, as well as better hospital resources management and cross-infection
control. We trained a deep feature fusion model to predict patient outcomes,
where the model inputs were EHR data including demographic information,
co-morbidities, vital signs and laboratory measurements, plus patient's CXR
images. The model output was patient outcomes defined as the most insensitive
oxygen therapy required. For patients without CXR images, we employed Random
Forest method for the prediction. Predictive risk scores for COVID-19 severe
outcomes ("CO-RISK" score) were derived from model output and evaluated on the
testing dataset, as well as compared to human performance. The study's dataset
(the "MGB COVID Cohort") was constructed from all patients presenting to the
Mass General Brigham (MGB) healthcare system from March 1st to June 1st, 2020.
ED visits with incomplete or erroneous data were excluded. Patients with no
test order for COVID or confirmed negative test results were excluded. Patients
under the age of 15 were also excluded. Finally, electronic health record (EHR)
data from a total of 11060 COVID-19 confirmed or suspected patients were used
in this study. Chest X-ray (CXR) images were also collected from each patient
if available. Results show that CO-RISK score achieved area under the Curve
(AUC) of predicting MV/death (i.e. severe outcomes) in 24 hours of 0.95, and
0.92 in 72 hours on the testing dataset. The model shows superior performance
to the commonly used risk scores in ED (CURB-65 and MEWS). Comparing with
physician's decisions, CO-RISK score has demonstrated superior performance to
human in making ICU/floor decisions.
- Abstract（参考訳）: 救急部門(ED)に初めて来院した患者の予測結果を伴う新型コロナウイルス患者のトリアージは、患者の予後を改善するだけでなく、病院の資源管理やクロス感染管理の改善にも不可欠である。
そこでは,患者のCXR画像に加えて,人口統計情報,共生情報,バイタルサイン,実験室計測を含むEHRデータを用いて,患者の予後を予測するための深部機能融合モデルを訓練した。
モデルアウトプットは、最も非感受性な酸素療法が要求される患者の結果であった。
CXR画像のない患者に対してはRandom Forest法を用いて予測を行った。
新型コロナウイルス重篤な結果(CO-RISKスコア)の予測リスクスコアは、モデルアウトプットから導出され、テストデータセットで評価され、ヒトのパフォーマンスと比較された。
この研究のデータセット("MGB COVID Cohort")は、2020年3月1日から6月1日まで、ミサジェネラル・ブリガム(MGB)医療システムに提示されたすべての患者から構築された。
不完全または誤ったデータによるED訪問は除外された。
検査の受注がない患者や陰性検査の結果が確認されていない患者は除外された。
15歳以下の患者も除外された。
最後に、合計11060人の新型コロナウイルス(covid-19)の電子健康記録(ehr)データを用いた。
胸部x線(cxr)画像も可能であれば各患者から採取した。
その結果,CO-RISKスコアはMV/死を予測する曲線(AUC)下において達成された。
テストデータセットでは、24時間で0.95、72時間で0.92である。
このモデルは、一般的に使用されるリスクスコア(CURB-65とMEWS)よりも優れた性能を示す。
医師の判断と比較すると、CO-RISKスコアはICU/フロア決定において人間よりも優れた性能を示した。
関連論文リスト
- Deterioration Prediction using Time-Series of Three Vital Signs and
Current Clinical Features Amongst COVID-19 Patients [6.1594622252295474]
今後3～24時間で患者が悪化するかどうかを予測できる予後モデルを構築した。
このモデルは、(a)酸素飽和度、(b)心拍数、(c)温度という、通常の三進的なバイタルサインを処理する。
ニューヨーク・ラングーン・ヘルスで37,006人のCOVID-19患者から収集したデータを用いて、モデルを訓練し、評価した。
論文 参考訳（メタデータ） (2022-10-12T02:53:43Z) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - Systematic investigation into generalization of COVID-19 CT deep
learning models with Gabor ensemble for lung involvement scoring [9.94980188821453]
本研究は,COVID-19 CTデータを用いたキーパブリッシュモデルの一般化可能性について検討する。
次に、独立した新しいデータセットを使用して、新型コロナウイルスの重症度に関するこれらのモデルの予測能力を評価する。
論文 参考訳（メタデータ） (2021-04-20T03:49:48Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳（メタデータ） (2021-02-18T21:14:52Z) - COVID-19 Prognosis via Self-Supervised Representation Learning and
Multi-Image Prediction [32.91440827855392]
胸部X線に基づいて2種類の患者の劣化を予測するタスクを検討する。
新型コロナウイルス(covid-19)患者のデータが少ないため、既存のソリューションは、関連しない画像で教師付き事前トレーニングを利用する。
本論文では,前訓練段階における運動量コントラスト(MoCo)法に基づく自己監督学習を用いて,下流タスクに用いる一般的な画像表現を学習する。
論文 参考訳（メタデータ） (2021-01-13T07:03:17Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - Individualized Prediction of COVID-19 Adverse outcomes with MLHO [9.197411456718708]
我々は、反復的な特徴とアルゴリズムの選択を利用して健康状態を予測するエンドツーエンドの機械学習フレームワークを開発した。
入院前患者の健康状態と人口統計を表わす特徴として,約600点を用いた4つの有害な結果のモデル化を行った。
以上の結果から, 人口統計学的変数は, 新型コロナウイルス感染後の副作用の予測因子として重要であるが, 過去の臨床記録の組み入れは, 信頼性の高い予測モデルに欠かせないことが示唆された。
論文 参考訳（メタデータ） (2020-08-10T02:44:52Z) - 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) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。