論文の概要: Optimal personalised treatment computation through in silico clinical
trials on patient digital twins
- arxiv url: http://arxiv.org/abs/2106.10684v1
- Date: Sun, 20 Jun 2021 12:12:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:19:12.415113
- Title: Optimal personalised treatment computation through in silico clinical
trials on patient digital twins
- Title（参考訳）: 患者デジタル双生児のサイリコ臨床試験における最適パーソナライズド治療計算
- Authors: Stefano Sinisi, Vadim Alimguzhin, Toni Mancini, Enrico Tronci,
Federico Mari, Brigitte Leeners
- Abstract要約: 知的検索によって導かれる広範囲なコンピュータシミュレーションに基づく実験的キャンペーン(ISTC)により、個々の患者の薬理学的治療(精密医療)を最適化する手法とアルゴリズムを提案する。
本研究は, 実薬理学的治療を含む症例研究, すなわち, ヒトの再生支援のための複雑な臨床プロトコルの減量段階における有効性を示すものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In Silico Clinical Trials (ISTC), i.e., clinical experimental campaigns
carried out by means of computer simulations, hold the promise to decrease time
and cost for the safety and efficacy assessment of pharmacological treatments,
reduce the need for animal and human testing, and enable precision medicine. In
this paper we present methods and an algorithm that, by means of extensive
computer simulation--based experimental campaigns (ISTC) guided by intelligent
search, optimise a pharmacological treatment for an individual patient
(precision medicine). e show the effectiveness of our approach on a case study
involving a real pharmacological treatment, namely the downregulation phase of
a complex clinical protocol for assisted reproduction in humans.
- Abstract（参考訳）: サイリコ臨床試験 (istc) では、コンピュータシミュレーションによる臨床実験キャンペーン、薬理学的治療の安全性と有効性の評価の時間とコストの削減、動物と人間のテストの必要性の低減、精密医療の実現を約束する。
本稿では,知的検索によって誘導される広範囲なコンピュータシミュレーションに基づく実験キャンペーン(ISTC)を用いて,患者に対する薬理学的治療(精密医療)を最適化する手法とアルゴリズムを提案する。
本研究は, 実薬理学的治療を含む症例研究, すなわち, ヒトの再生支援のための複雑な臨床プロトコルの低下段階に対するアプローチの有効性を示す。
関連論文リスト
- Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。
本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。
その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - TrialSynth: Generation of Synthetic Sequential Clinical Trial Data [21.799655542003677]
変動オートエンコーダ(VAE)は、合成時系列臨床試験データを生成する際の課題に対処するために設計された。
実験の結果,Trial Synthは他の同等の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-09-11T08:20:30Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - TrialDura: Hierarchical Attention Transformer for Interpretable Clinical Trial Duration Prediction [19.084936647082632]
マルチモーダルデータを用いて臨床試験期間を推定する機械学習に基づくTrialDuraを提案する。
バイオメディカルコンテキストに特化されたBio-BERT埋め込みにエンコードして,より深く,より関連するセマンティック理解を提供する。
提案モデルでは, 平均絶対誤差(MAE)が1.04年, 根平均二乗誤差(RMSE)が1.39年であった。
論文 参考訳（メタデータ） (2024-04-20T02:12:59Z) - Towards quantum computing for clinical trial design and optimization: A perspective on new opportunities and challenges [0.250217476520467]
本稿では,臨床治験設計および最適化における現状の課題について検討する。
焦点は、臨床試験シミュレーション、サイト選択、コホート識別の3つの重要な側面に焦点を当てている。
論文 参考訳（メタデータ） (2024-04-19T18:00:25Z) - Towards Automatic Evaluation for LLMs' Clinical Capabilities: Metric, Data, and Algorithm [15.627870862369784]
大規模言語モデル (LLMs) は, 臨床診断の効率向上への関心が高まっている。
臨床サービス提供におけるLCMの能力を評価するための自動評価パラダイムを提案する。
論文 参考訳（メタデータ） (2024-03-25T06:17:54Z) - Automated Scoring of Clinical Patient Notes using Advanced NLP and
Pseudo Labeling [2.711804338865226]
本研究では,最先端自然言語処理(NLP)技術を活用したアプローチを提案する。
提案手法は効率と有効性を向上し,性能を損なうことなくトレーニング時間を著しく短縮する。
論文 参考訳（メタデータ） (2024-01-18T05:17:18Z) - Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。
本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
論文 参考訳（メタデータ） (2023-10-23T19:59:10Z) - 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) - Learning for Dose Allocation in Adaptive Clinical Trials with Safety
Constraints [84.09488581365484]
新しい化合物の有効性と毒性の関係がより複雑になるにつれて、第1相線量測定試験はますます困難になっている。
最も一般的に使われている方法は、毒性事象のみから学習することで、最大許容量(MTD)を特定することである。
本稿では, 毒性安全性の制約を高い確率で満たしつつ, 累積効果を最大化することを目的とした, 適応型臨床試験手法を提案する。
論文 参考訳（メタデータ） (2020-06-09T03:06:45Z) - Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。
残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
論文 参考訳（メタデータ） (2020-01-08T11:46:48Z)
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。