論文の概要: Machine Learning Approaches for Type 2 Diabetes Prediction and Care
Management
- arxiv url: http://arxiv.org/abs/2104.07820v1
- Date: Thu, 15 Apr 2021 23:38:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 05:44:38.472724
- Title: Machine Learning Approaches for Type 2 Diabetes Prediction and Care
Management
- Title(参考訳): 2型糖尿病の予測とケアマネジメントのための機械学習アプローチ
- Authors: Aloysius Lim, Ashish Singh, Jody Chiam, Carly Eckert, Vikas Kumar,
Muhammad Aurangzeb Ahmad, Ankur Teredesai
- Abstract要約: 本論文は,糖尿病合併症予測の概観を包括的に包括して,文献の欠失を補うことを目的とする。
機械学習(ml)モデルの構築とデプロイの経験を通じて、実際の臨床シナリオで遭遇するさまざまな問題を説明する。
- 参考スコア(独自算出の注目度): 15.15357567896085
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prediction of diabetes and its various complications has been studied in a
number of settings, but a comprehensive overview of problem setting for
diabetes prediction and care management has not been addressed in the
literature. In this document we seek to remedy this omission in literature with
an encompassing overview of diabetes complication prediction as well as
situating this problem in the context of real world healthcare management. We
illustrate various problems encountered in real world clinical scenarios via
our own experience with building and deploying such models. In this manuscript
we illustrate a Machine Learning (ML) framework for addressing the problem of
predicting Type 2 Diabetes Mellitus (T2DM) together with a solution for risk
stratification, intervention and management. These ML models align with how
physicians think about disease management and mitigation, which comprises these
four steps: Identify, Stratify, Engage, Measure.
- Abstract(参考訳): 糖尿病の予測とその合併症は, 様々な場面で研究されてきたが, 糖尿病の予測とケアマネジメントの問題点について, 総合的な概観は文献に発表されていない。
本論文では,糖尿病合併症予測の包括的概要と,現実的な医療管理の文脈におけるこの問題の解決をめざして,文献におけるこの欠失の解消を図る。
我々は、そのようなモデルの構築と展開の経験を通じて、実世界の臨床シナリオで遭遇した様々な問題について説明する。
本稿では,2型糖尿病(t2dm)を予測するための機械学習(ml)フレームワークと,リスク階層化,介入,管理のためのソリューションについて述べる。
これらのMLモデルは、医師が病気の管理と緩和についてどう考えるかに一致しており、それらはIdentify, Stratify, Engage, Measureという4つのステップから構成される。
関連論文リスト
- Knowledge-Infused LLM-Powered Conversational Health Agent: A Case Study
for Diabetes Patients [5.681077687942451]
糖尿病患者に対する知識注入型LLMを用いた会話型健康エージェント(CHA)を提案する。
オープンソースのopenCHAフレームワークをカスタマイズして活用し、外部知識と分析能力でCHAを強化します。
本評価では,毎日の食事選択に関する糖尿病関連質問100件と,提案した食事に関する潜在的なリスクについて検討した。
論文 参考訳(メタデータ) (2024-02-15T18:00:02Z) - Supervised Learning Models for Early Detection of Albuminuria Risk in
Type-2 Diabetes Mellitus Patients [0.0]
本研究の目的は,T2DM患者にアルブミン尿を発症するリスクを予測するための教師付き学習モデルを開発することである。
特徴として10の属性、目標として1の属性(アルブミン尿症)から構成される。
これはそれぞれ0.74と0.75の精度とf1スコアの値を達成し、T2DMの尿失調を予測するためのスクリーニングに適していた。
論文 参考訳(メタデータ) (2023-09-28T08:41:12Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳(メタデータ) (2023-04-05T12:04:55Z) - Privacy-preserving machine learning for healthcare: open challenges and
future perspectives [72.43506759789861]
医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。
プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。
このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
論文 参考訳(メタデータ) (2023-03-27T19:20:51Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳(メタデータ) (2023-02-11T18:07:11Z) - HealthEdge: A Machine Learning-Based Smart Healthcare Framework for
Prediction of Type 2 Diabetes in an Integrated IoT, Edge, and Cloud Computing
System [0.0]
糖尿病の急激な増加は、糖尿病の発生を予防・予測するために予防措置を取る必要があることを要求する。
本稿では,IoT-エッジクラウド統合コンピューティングシステムにおける2型糖尿病予測のための機械学習ベースのスマートヘルスケアフレームワークであるHealthEdgeを提案する。
論文 参考訳(メタデータ) (2023-01-25T07:57:18Z) - SACDNet: Towards Early Type 2 Diabetes Prediction with Uncertainty for
Electronic Health Records [0.951828574518325]
本研究では,多頭部自己注意層と高密度層を用いた早期T2DM予測のためのニューラルネットワークアーキテクチャを提案する。
提案手法は、SACDNet(Self-Attention for Comorbid Disease Net)と呼ばれ、89.3%の精度とF1スコア89.1%の精度を実現している。
T2DM予測データセットも,糖尿病4,124例と非糖尿病181,767例からなる実世界の電子健康記録(EHR)データに基づいて構築されている。
論文 参考訳(メタデータ) (2023-01-12T07:14:47Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳(メタデータ) (2021-07-20T07:04:52Z) - A Review of Machine Learning Techniques for Applied Eye Fundus and
Tongue Digital Image Processing with Diabetes Management System [7.209705108900718]
糖尿病は世界的な流行であり、危機的なペースで増加している。
国際糖尿病連盟は、世界の糖尿病患者の総数は48%増加する可能性があると予測した。
本稿では糖尿病の背景とその合併症について述べる。
論文 参考訳(メタデータ) (2020-12-30T03:49:37Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳(メタデータ) (2020-12-22T13:20:23Z) - 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。