論文の概要: Machine Learning and Glioblastoma: Treatment Response Monitoring Biomarkers in 2021

• arxiv url: http://arxiv.org/abs/2104.08072v1
• Date: Thu, 15 Apr 2021 10:49:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 10:43:56.006663
• Title: Machine Learning and Glioblastoma: Treatment Response Monitoring Biomarkers in 2021
• Title（参考訳）: 機械学習とグリオ芽腫:2021年のバイオマーカー治療
• Authors: Thomas Booth, Bernice Akpinar, Andrei Roman, Haris Shuaib, Aysha Luis, Alysha Chelliah, Ayisha Al Busaidi, Ayesha Mirchandani, Burcu Alparslan, Nina Mansoor, Keyoumars Ashkan, Sebastien Ourselin, Marc Modat
• Abstract要約: 組織的検討の目的は,成人のグリオブラスト腫治療反応モニタリングバイオマーカーの診断検査精度に関する最近の研究を評価することである。 MRI機能を使用して進行と模倣を区別する機械学習モデルの良好な診断性能がある可能性が高い。 暗黙的特徴を用いたMLの診断性能は明示的特徴を用いたMLよりも優れていなかった。
• 参考スコア（独自算出の注目度）: 0.3266995794795542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The aim of the systematic review was to assess recently published studies on diagnostic test accuracy of glioblastoma treatment response monitoring biomarkers in adults, developed through machine learning (ML). Articles were searched for using MEDLINE, EMBASE, and the Cochrane Register. Included study participants were adult patients with high grade glioma who had undergone standard treatment (maximal resection, radiotherapy with concomitant and adjuvant temozolomide) and subsequently underwent follow-up imaging to determine treatment response status. Risk of bias and applicability was assessed with QUADAS 2 methodology. Contingency tables were created for hold-out test sets and recall, specificity, precision, F1-score, balanced accuracy calculated. Fifteen studies were included with 1038 patients in training sets and 233 in test sets. To determine whether there was progression or a mimic, the reference standard combination of follow-up imaging and histopathology at re-operation was applied in 67% of studies. The small numbers of patient included in studies, the high risk of bias and concerns of applicability in the study designs (particularly in relation to the reference standard and patient selection due to confounding), and the low level of evidence, suggest that limited conclusions can be drawn from the data. There is likely good diagnostic performance of machine learning models that use MRI features to distinguish between progression and mimics. The diagnostic performance of ML using implicit features did not appear to be superior to ML using explicit features. There are a range of ML-based solutions poised to become treatment response monitoring biomarkers for glioblastoma. To achieve this, the development and validation of ML models require large, well-annotated datasets where the potential for confounding in the study design has been carefully considered.
• Abstract（参考訳）: 系統的レビューの目的は, 機械学習(ml)を用いて開発した成人のグリオブラスト腫治療反応モニタリングバイオマーカーの診断精度に関する最近の研究を評価することである。 記事は、MEDLINE、EMBASE、およびCochrane Registerを使って検索された。 対象は成人高悪性度グリオーマ患者で, 標準治療(最大切除, 併用放射線療法, 補助剤による放射線療法)を行った後, 経過観察を行い, 治療反応を判定した。 バイアスと適用可能性のリスクを quadas 2 法を用いて評価した。 保持テストセットとリコール、特異性、精度、F1スコア、バランスの取れた精度を計算した。 トレーニングセットは1038例,テストセットは233例であった。 進行の有無と模倣の有無を判定するために, 再手術時の追跡画像と病理組織学の基準基準の組み合わせを67%に適用した。 研究に含まれている患者は少数であり、バイアスのリスクが高く、研究デザイン(特に基準基準と患者選択との関連性)が懸念されていること、そしてエビデンスが低いことは、データから限られた結論を引き出すことができることを示唆している。 進行と模倣を区別するためにMRI機能を使用する機械学習モデルの優れた診断性能がある可能性が高い。 暗黙的特徴を用いたMLの診断性能は明示的特徴を用いたMLよりも優れていなかった。 グリオブラスト腫に対する治療応答モニタリングバイオマーカーとなるmlベースのソリューションは数多く存在する。 これを実現するために、MLモデルの開発と検証には、研究設計におけるコンファウンディングの可能性が慎重に検討された、大きく、十分に注釈付けられたデータセットが必要である。

関連論文リスト

• An Oversampling-enhanced Multi-class Imbalanced Classification Framework for Patient Health Status Prediction Using Patient-reported Outcomes [6.075416560330067]
  放射線治療を受けたがん患者から直接収集された患者報告結果(PROs)は、臨床医が潜在的毒性について助言する患者を支援する上で重要な役割を担っている。 本稿では,がん光子・プロトン療法センターのproBoostを用いて,健康状態に関連する患者の予後を予測するためのさまざまな機械学習手法について検討する。
  論文  参考訳（メタデータ） (2024-11-16T14:54:18Z)
• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• Enhanced Cascade Prostate Cancer Classifier in mp-MRI Utilizing Recall Feedback Adaptive Loss and Prior Knowledge-Based Feature Extraction [4.00189087655119]
  本稿では, 先行知識を取り入れ, 不均一な医用サンプル分布の問題に対処し, mpMRIにおける高い解釈可能性を維持するソリューションを提案する。 まず,前立腺癌に対するPI-RADS基準をモデルトレーニングの診断情報として数学的にモデル化する,事前知識に基づく特徴抽出手法を提案する。 次に、極めて不均衡なデータ問題に対処するため、適応的リコールフィードバック損失を提案する。 第3に、前立腺癌を解釈可能な方法で異なるレベルに分類する拡張前立腺癌を設計する。
  論文  参考訳（メタデータ） (2024-08-19T07:18:06Z)
• Robust Melanoma Thickness Prediction via Deep Transfer Learning enhanced by XAI Techniques [39.97900702763419]
  本研究は,メラノーマの深さを測定するために皮膚内視鏡像の解析に焦点をあてる。 顆粒層の上部から腫瘍浸潤の最も深い地点まで測定されたブレスロー深さは、黒色腫のステージングと治療決定の指針となる重要なパラメータである。 ISICやプライベートコレクションを含むさまざまなデータセットが使用され、合計で1162枚の画像が含まれている。 その結果, 従来の手法に比べて, モデルが大幅に改善された。
  論文  参考訳（メタデータ） (2024-06-19T11:07:55Z)
• Performance of externally validated machine learning models based on histopathology images for the diagnosis, classification, prognosis, or treatment outcome prediction in female breast cancer: A systematic review [0.5792122879054292]
  女性乳癌の診断、分類、予後、治療結果予測のための外部検証された機械学習モデル。 診断用MLモデル3例,分類用4例,予後用2例,予後用1例について検討した。 ほとんどの研究では畳み込みニューラルネットワークとロジスティック回帰アルゴリズムが使用されている。
  論文  参考訳（メタデータ） (2023-12-09T18:27:56Z)
• Learning Through Guidance: Knowledge Distillation for Endoscopic Image Classification [40.366659911178964]
  内視鏡は消化管(GI)の根底にある異常を同定する上で重要な役割を担っている。 ディープラーニング、特にCNN(Convolution Neural Networks)は、従来の機能エンジニアリングを使わずに自動機能学習を実行するように設計されている。 KDに基づく3つの学習フレームワーク、応答ベース、特徴ベース、関係ベースメカニズムについて検討し、関係ベース学習を支援するために、新しい多面的注意型特徴融合機構を導入する。
  論文  参考訳（メタデータ） (2023-08-17T02:02:11Z)
• MGMT promoter methylation status prediction using MRI scans? An extensive experimental evaluation of deep learning models [0.0]
  MRIによるグリオーマ腫瘍におけるMGMTプロモーターのメチル化状態の予測にディープラーニングモデルを用いた。 以上の結果から,癌診断における深層学習システムの精度と信頼性を確保するために,これらのモデルの性能に相関性は認められなかった。
  論文  参考訳（メタデータ） (2023-04-03T07:55:42Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• 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)
• Accuracy of MRI Classification Algorithms in a Tertiary Memory Center Clinical Routine Cohort [40.24757332810004]
  自動体積測定ソフトウェア(AVS)は近年,神経放射線学者に広く普及している。 機械学習技術は診断を支援するための有望なアプローチとして登場した。
  論文  参考訳（メタデータ） (2020-03-19T08:44:46Z)

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。