論文の概要: Machine learning for modeling the progression of Alzheimer disease
dementia using clinical data: a systematic literature review
- arxiv url: http://arxiv.org/abs/2108.04174v1
- Date: Thu, 5 Aug 2021 04:38:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 14:59:54.610802
- Title: Machine learning for modeling the progression of Alzheimer disease
dementia using clinical data: a systematic literature review
- Title（参考訳）: 臨床データを用いたアルツハイマー病認知症発症のモデル化のための機械学習--体系的文献レビュー
- Authors: Sayantan Kumar, Inez Oh, Suzanne Schindler, Albert M Lai, Philip R O
Payne, Aditi Gupta
- Abstract要約: アルツハイマー病(英語: Alzheimer disease, AD)は、認知障害を特徴とする認知失調症である。
我々は2010年1月1日から2020年5月31日まで,PubMed, Scopus, ScienceDirect, IEEE Explore Digital Library, Association for Computing Machinery Digital Library, arXivで論文を検索した。
我々は、事前定義された基準を用いて、関連する項目を選択し、データ特性、計算アルゴリズム、研究焦点などのML分析の重要な要素に従ってそれらを要約した。
- 参考スコア（独自算出の注目度）: 2.8136734847819773
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Objective Alzheimer disease (AD) is the most common cause of dementia, a
syndrome characterized by cognitive impairment severe enough to interfere with
activities of daily life. We aimed to conduct a systematic literature review
(SLR) of studies that applied machine learning (ML) methods to clinical data
derived from electronic health records in order to model risk for progression
of AD dementia.
Materials and Methods We searched for articles published between January 1,
2010, and May 31, 2020, in PubMed, Scopus, ScienceDirect, IEEE Explore Digital
Library, Association for Computing Machinery Digital Library, and arXiv. We
used predefined criteria to select relevant articles and summarized them
according to key components of ML analysis such as data characteristics,
computational algorithms, and research focus.
Results There has been a considerable rise over the past 5 years in the
number of research papers using ML-based analysis for AD dementia modeling. We
reviewed 64 relevant articles in our SLR. The results suggest that majority of
existing research has focused on predicting progression of AD dementia using
publicly available datasets containing both neuroimaging and clinical data
(neurobehavioral status exam scores, patient demographics, neuroimaging data,
and laboratory test values).
Discussion Identifying individuals at risk for progression of AD dementia
could potentially help to personalize disease management to plan future care.
Clinical data consisting of both structured data tables and clinical notes can
be effectively used in ML-based approaches to model risk for AD dementia
progression. Data sharing and reproducibility of results can enhance the
impact, adaptation, and generalizability of this research.
- Abstract（参考訳）: 客観的アルツハイマー病(objective alzheimer disease, ad)は認知症の最も一般的な原因であり、日常生活活動に干渉できるほど重篤な認知障害を特徴とする。
我々は,AD認知症の進行リスクをモデル化するために,電子健康記録から得られた臨床データに機械学習手法を適用した研究の体系的文献レビュー(SLR)を実施することを目的とした。
資料と方法 2010年1月1日から2020年5月31日まで,PubMed, Scopus, ScienceDirect, IEEE Explore Digital Library, Association for Computing Machinery Digital Library, arXiv で論文を検索した。
我々は、事前定義された基準を用いて関連記事を選択し、データ特性、計算アルゴリズム、研究焦点などのML分析の重要な要素に従ってそれらを要約した。
結果 この5年間で,AD認知症モデルのためのMLベース分析を用いた研究論文の数が大幅に増加した。
我々はSLRで64項目をレビューした。
以上の結果から, 既存の研究の大部分は, 神経画像検査と臨床データ(臨床検査, 患者人口統計, 神経画像データ, 臨床検査値)の公開データセットを用いて, 広告認知症の進行を予測することに焦点を当てていることが示唆された。
広告認知症の進行リスクにある個人を特定する議論は、将来のケアを計画するために疾患管理をパーソナライズするのに役立つ可能性がある。
構造化データテーブルと臨床ノートの両方からなる臨床データは、広告認知症進行のリスクをモデル化するmlベースのアプローチで効果的に使用できる。
結果のデータの共有と再現性は、この研究の影響、適応性、一般化性を高めることができる。
関連論文リスト
- When Raw Data Prevails: Are Large Language Model Embeddings Effective in Numerical Data Representation for Medical Machine Learning Applications? [8.89829757177796]
大規模言語モデルの最後の隠れ状態からベクター表現が医療診断および予後に有効であることを示す。
我々は,異常な生理的データを表すため,ゼロショット設定の命令調整LDMに着目し,それらのユーティリティを特徴抽出器として評価する。
医学MLタスクでは生データの特徴が依然として有効であることが示唆されているが、ゼロショットLSM埋め込みは競争力のある結果を示している。
論文 参考訳（メタデータ） (2024-08-15T03:56:40Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - 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) - Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。
アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文 参考訳（メタデータ） (2024-02-13T15:43:30Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - Disability prediction in multiple sclerosis using performance outcome
measures and demographic data [8.85999610143128]
我々は,多次元,手頃な,物理的,スマートフォンによるパフォーマンス評価尺度(POM)を,人口統計と併用して,疾患の進行を予測する。
我々の知る限りでは、POMと人口統計データを用いて病気の進行を予測することが可能であることを初めて示す。
論文 参考訳（メタデータ） (2022-04-08T09:57:00Z) - Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review [5.635607414700482]
本稿では,アルツハイマー病の認知機能低下を予測するための人工知能,音声,言語処理の利用に関する現在の知見を要約する。
筆者らは2000年から2019年にかけて, PROSPEROに登録されたオリジナルの研究の体系的レビューを行った。
論文 参考訳（メタデータ） (2020-10-12T21:43:04Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z) - Application of Machine Learning to Predict the Risk of Alzheimer's
Disease: An Accurate and Practical Solution for Early Diagnostics [1.1470070927586016]
アルツハイマー病(AD)は500万人以上のアメリカ人の認知能力を悪化させ、医療システムに多大な負担をかけている。
本稿では,医療画像のない,臨床訪問や検査の少ないAD開発のための機械学習予測モデルを提案する。
本モデルは,2つの顕著な研究結果から,人口統計,バイオマーカー,認知テストデータを用いて訓練し,検証した。
論文 参考訳（メタデータ） (2020-06-02T14:52:51Z)
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。