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

• Advances in Artificial Intelligence forDiabetes Prediction: Insights from a Systematic Literature Review [8.984498754808792]
  この体系的なレビューでは、データセット、アルゴリズム、トレーニング方法、評価指標に重点を置いた、糖尿病の予測における機械学習(ML)の使用について検討する。 このレビューは、CNN、SVM、ロジスティック回帰、XGBoostといったMLアルゴリズムのパフォーマンスを糖尿病の結果を予測するために評価する。
  論文  参考訳（メタデータ） (2024-12-19T11:09:10Z)
• An adapted large language model facilitates multiple medical tasks in diabetes care [20.096444964141508]
  大規模言語モデル(LLM)は、様々な医療シナリオにおいて有望であるが、様々な糖尿病タスクにおけるその効果は証明されていない。 本研究は糖尿病特異的LSMを訓練し、検証するための枠組みを導入した。
  論文  参考訳（メタデータ） (2024-09-20T03:47:54Z)
• Exploring Biomarker Relationships in Both Type 1 and Type 2 Diabetes Mellitus Through a Bayesian Network Analysis Approach [1.004996690798013]
  本研究では,上海1型と2型糖尿病データセットの分析にベイズネットワーク構造学習を適用した。 構築されたベイズネットワークは、特に2型糖尿病において、ルート平均2乗誤差(RMSE)が18.23mg/dLである顕著な予測精度を示した。
  論文  参考訳（メタデータ） (2024-06-24T19:27:34Z)
• Analyzing the factors that are involved in length of inpatient stay at the hospital for diabetes patients [1.534667887016089]
  新型コロナウイルスの感染拡大に伴う糖尿病患者の急増に伴う懸念について検討した。 本研究の目的は,糖尿病患者の入院期間に影響を与える因子を定量化する予測モデルを構築することである。
  論文  参考訳（メタデータ） (2024-06-07T18:13:21Z)
• 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)
• 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)
• 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)
• From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
  新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。 私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。 人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-30T03:34:00Z)

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。