論文の概要: The Future will be Different than Today: Model Evaluation Considerations when Developing Translational Clinical Biomarker

• arxiv url: http://arxiv.org/abs/2107.08787v1
• Date: Tue, 13 Jul 2021 19:36:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-25 11:59:07.462777
• Title: The Future will be Different than Today: Model Evaluation Considerations when Developing Translational Clinical Biomarker
• Title（参考訳）: 今日と未来は違う:翻訳型臨床バイオマーカー開発におけるモデル評価の考察
• Authors: Yichen Lu, Jane Fridlyand, Tiffany Tang, Ting Qi, Noah Simon and Ning Leng
• Abstract要約: 従来のクロスバリデーション(cv)方式の代わりに,LOSO(Left-one-Study-out)を用いた評価戦略を提案する。 バイオマーカーの効果を推定するためのK-fold vs. LOSO cvの性能を示すために,臨床実験およびシミュレーション研究のデータを活用した。
• 参考スコア（独自算出の注目度）: 4.549866091318765
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Finding translational biomarkers stands center stage of the future of personalized medicine in healthcare. We observed notable challenges in identifying robust biomarkers as some with great performance in one scenario often fail to perform well in new trials (e.g. different population, indications). With rapid development in the clinical trial world (e.g. assay, disease definition), new trials very likely differ from legacy ones in many perspectives and in development of biomarkers this heterogeneity should be considered. In response, we recommend considering building in the heterogeneity when evaluating biomarkers. In this paper, we present one evaluation strategy by using leave-one-study-out (LOSO) in place of conventional cross-validation (cv) methods to account for the potential heterogeneity across trials used for building and testing the biomarkers. To demonstrate the performance of K-fold vs LOSO cv in estimating the effect size of biomarkers, we leveraged data from clinical trials and simulation studies. In our assessment, LOSO cv provided a more objective estimate of the future performance. This conclusion remained true across different evaluation metrics and different statistical methods.
• Abstract（参考訳）: 翻訳バイオマーカーの発見は、医療におけるパーソナライズされた医療の未来の中心にある。 強靭なバイオマーカーを同定する際の顕著な課題は、あるシナリオにおいて優れた性能を持つ人では、新しい試行(例)ではうまく機能しない場合が多いためである。 人口、人口など)。 臨床試験の世界(例)の急速な発展と共に 新しい臨床試験は、多くの点でレガシーと非常に異なる可能性があり、バイオマーカーの開発においては、この異種性を考慮するべきである。 バイオマーカーの評価において,異質性の構築を検討することを推奨する。 本稿では,従来のクロスバリデーション (cv) 法の代わりにLeft-one-Study-out (LOSO) を用いることで,バイオマーカーの構築と試験に使用する試験の多種性を考慮した評価戦略を提案する。 バイオマーカーの効果を推定するためのK-fold vs. LOSO cvの性能を示すために,臨床実験およびシミュレーション研究のデータを活用した。 評価において,LOSO cvは今後の性能をより客観的に評価した。 この結論は、異なる評価指標と異なる統計手法で真であった。

関連論文リスト

• FedMedICL: Towards Holistic Evaluation of Distribution Shifts in Federated Medical Imaging [68.6715007665896]
  FedMedICLは統合されたフレームワークであり、フェデレートされた医療画像の課題を全体評価するためのベンチマークである。 6種類の医用画像データセットについて,いくつかの一般的な手法を総合的に評価した。 単純なバッチ分散手法はFedMedICL実験全体の平均性能において,高度な手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2024-07-11T19:12:23Z)
• Lifestyle-Informed Personalized Blood Biomarker Prediction via Novel Representation Learning [7.845988771273181]
  今後,血液マーカーの値を予測する新しい枠組みを提案する。 提案手法は,生物マーカーと生活習慣因子の複雑な関係を捉える類似性に基づく埋め込み空間を学習する。
  論文  参考訳（メタデータ） (2024-07-09T23:52:53Z)
• Enhancing predictive imaging biomarker discovery through treatment effect analysis [2.8300022117286523]
  本研究は,前処理画像を利用して新たな因果関係を明らかにすることを目的とした,予測画像バイオマーカーの発見に焦点を当てた。 以前のアプローチは、労働集約的な手工芸や手作業による特徴に依存しており、バイアスをもたらす可能性がある。 本稿では,モデルが予測画像バイオマーカーを識別し,それを認識できないものと区別する能力を評価するための評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-06-04T17:54:44Z)
• Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
  $k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。 k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-12-15T14:04:23Z)
• Spatio-Temporal Similarity Measure based Multi-Task Learning for Predicting Alzheimer's Disease Progression using MRI Data [18.669489433316127]
  本稿では,アルツハイマー病の進行を効果的に予測するための,新しい時間的類似度尺度に基づくマルチタスク学習手法を提案する。 また, バイオマーカー間の関係の変化を識別するために, 縦方向の安定性の選択を行うことも可能である。 本研究では,皮質体積および表面積の相乗的劣化指標が認知的予測に有意な影響を及ぼすことを証明した。
  論文  参考訳（メタデータ） (2023-11-06T21:59:19Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Regression-based Deep-Learning predicts molecular biomarkers from pathology slides [40.24757332810004]
  我々は,画像から直接バイオマーカーを予測する自己監督型弱教師付き回帰手法を開発し,評価した。 回帰を用いて、バイオマーカー予測の精度を著しく向上させ、また、分類よりも結果の解釈可能性を向上させる。 我々のオープンソースレグレッションアプローチは、計算病理学における連続バイオマーカー解析に有望な代替手段を提供する。
  論文  参考訳（メタデータ） (2023-04-11T11:43:51Z)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Binary disease prediction using tail quantiles of the distribution of continuous biomarkers [0.0]
  二値性疾患の分類分析において、単一のバイオマーカーは有意な識別力を持たない可能性がある。 本稿では,複数の連続バイオマーカーの選択に基づく2値分類法であるquanttile based prediction (qbp)を提案する。
  論文  参考訳（メタデータ） (2021-03-23T09:20:10Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)
• Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
  近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。 この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
  論文  参考訳（メタデータ） (2020-10-13T15:20:21Z)

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。