論文の概要: THALIS: Human-Machine Analysis of Longitudinal Symptoms in Cancer
Therapy
- arxiv url: http://arxiv.org/abs/2108.02817v1
- Date: Thu, 5 Aug 2021 19:05:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-09 14:24:22.083160
- Title: THALIS: Human-Machine Analysis of Longitudinal Symptoms in Cancer
Therapy
- Title（参考訳）: THALIS:癌治療における縦断症状のヒト・マシーン解析
- Authors: Carla Floricel, Nafiul Nipu, Mikayla Biggs, Andrew Wentzel, Guadalupe
Canahuate, Lisanne Van Dijk, Abdallah Mohamed, C. David Fuller, G. Elisabeta
Marai
- Abstract要約: THALISは、がん治療の症状データから視覚分析と知識発見のための環境である。
頭頸部癌患者のコホートから収集したデータについて検討した。
- 参考スコア（独自算出の注目度）: 4.1810068669489295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although cancer patients survive years after oncologic therapy, they are
plagued with long-lasting or permanent residual symptoms, whose severity, rate
of development, and resolution after treatment vary largely between survivors.
The analysis and interpretation of symptoms is complicated by their partial
co-occurrence, variability across populations and across time, and, in the case
of cancers that use radiotherapy, by further symptom dependency on the tumor
location and prescribed treatment. We describe THALIS, an environment for
visual analysis and knowledge discovery from cancer therapy symptom data,
developed in close collaboration with oncology experts. Our approach leverages
unsupervised machine learning methodology over cohorts of patients, and, in
conjunction with custom visual encodings and interactions, provides context for
new patients based on patients with similar diagnostic features and symptom
evolution. We evaluate this approach on data collected from a cohort of head
and neck cancer patients. Feedback from our clinician collaborators indicates
that THALIS supports knowledge discovery beyond the limits of machines or
humans alone, and that it serves as a valuable tool in both the clinic and
symptom research.
- Abstract（参考訳）: 癌患者は腫瘍治療後数年生存するが、長期または持続的な残留症状に悩まされ、その重症度、発達率、治療後の分解能は生存者によって大きく異なる。
症状の分析と解釈は、その部分的共起、集団間および時間にわたっての変動、および放射線療法を使用するがんの場合、腫瘍の位置と所定の治療に対するさらなる症状依存性により複雑である。
がん治療の症状データから視覚分析と知識発見を行う環境であるthalisについて,腫瘍学の専門家と緊密に連携して開発した。
このアプローチは、患者のコホートよりも教師なしの機械学習方法論を活用し、カスタムのビジュアルエンコーディングとインタラクションと合わせて、類似した診断特徴と症状の進化を持つ患者に基づいて、新しい患者にコンテキストを提供する。
このアプローチは,頭頸部癌患者のコホートから収集したデータに基づいて評価する。
臨床共同研究者からのフィードバックは、THALISが機械や人間の限界を超えた知識発見をサポートしており、臨床および症状研究において貴重なツールであることを示している。
関連論文リスト
- Towards AI-Based Precision Oncology: A Machine Learning Framework for Personalized Counterfactual Treatment Suggestions based on Multi-Omics Data [0.05025737475817938]
本稿では,個別のがん治療提案のためのモジュール型機械学習フレームワークを提案する。
このフレームワークは、データ駆動がん研究に固有の重要な課題に対処するように調整されている。
本手法は,臨床医に現実的な意思決定支援ツールを提供することを目的としている。
論文 参考訳（メタデータ） (2024-02-19T14:54:20Z) - Are Generative AI systems Capable of Supporting Information Needs of
Patients? [4.485098382568721]
本研究は, 画像診断における患者情報への責任を負うことなく, 生成的視覚質問応答システムの有効性について検討する。
胸部CT検査を施行し, 胸部CT検査を施行し, 胸部CT検査を施行し, 胸部CT検査を施行した。
参加者と医療専門家の会話のテーマ分析を用いて,対話を通して一般的に発生するテーマを特定した。
我々は,放射線技師の反応に対して,最先端の2つの生成的視覚言語モデルを評価する。
論文 参考訳（メタデータ） (2024-01-31T23:24:37Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳（メタデータ） (2023-11-18T14:52:26Z) - Expert Uncertainty and Severity Aware Chest X-Ray Classification by
Multi-Relationship Graph Learning [48.29204631769816]
我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。
以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-09-06T19:19:41Z) - A New Deep State-Space Analysis Framework for Patient Latent State
Estimation and Classification from EHR Time Series Data [1.0970480513577103]
深部状態空間モデルを用いたERHの時系列教師なし学習を用いた「深部状態空間解析フレームワーク」を提案する。
このフレームワークは、病気の進行に関連する患者潜伏状態における時間的変化の学習、可視化、およびクラスタリングを可能にする。
12,695人のがん患者の時系列検査データを用いて,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2023-07-21T10:45:08Z) - Detecting Histologic & Clinical Glioblastoma Patterns of Prognostic
Relevance [6.281092892485014]
グリオ芽腫は中枢神経系で最も一般的で攻撃的な悪性成人腫瘍である。
18年前に現在の標準治療を採用して以降,実質的な予後改善は認められていない。
ここでは,H&E染色WSIとOSに関する臨床データから,予後関連特性の同定に焦点をあてる。
論文 参考訳（メタデータ） (2023-02-01T18:56:09Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Machine Learning Applications in Diagnosis, Treatment and Prognosis of
Lung Cancer [22.84388553607303]
本稿では, 肺癌の診断と治療のさまざまな側面を強化する機械学習によるアプローチの概要について述べる。
肺癌における機械学習の今後の応用に向けた課題と機会を強調した。
論文 参考訳（メタデータ） (2022-03-05T17:43:57Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Estimating Counterfactual Treatment Outcomes over Time Through
Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。
CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。
本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文 参考訳（メタデータ） (2020-02-10T20:47:36Z)
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。