論文の概要: NeuraHealthNLP: An Automated Screening Pipeline to Detect Undiagnosed
Cognitive Impairment in Electronic Health Records with Deep Learning and
Natural Language Processing
- arxiv url: http://arxiv.org/abs/2202.00478v1
- Date: Wed, 12 Jan 2022 06:19:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-06 12:58:21.161524
- Title: NeuraHealthNLP: An Automated Screening Pipeline to Detect Undiagnosed
Cognitive Impairment in Electronic Health Records with Deep Learning and
Natural Language Processing
- Title（参考訳）: NeuraHealthNLP:ディープラーニングと自然言語処理による電子健康記録における未診断認知障害検出のための自動スクリーニングパイプライン
- Authors: Tanish Tyagi
- Abstract要約: 認知症の症例の75%は世界中で診断されず、低所得国と中所得国で90%に達する。
現在の診断方法は非常に複雑で、医療ノートのマニュアルレビュー、多くの認知検査、高価な脳スキャン、脊髄液検査などが含まれる。
このプロジェクトでは、HRの未検出認知症をスケーラブルかつ高速に発見するための、最先端の自動スクリーニングパイプラインを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dementia related cognitive impairment (CI) affects over 55 million people
worldwide and is growing rapidly at the rate of one new case every 3 seconds.
With a recurring failure of clinical trials, early diagnosis is crucial, but
75% of dementia cases go undiagnosed globally with up to 90% in
low-and-middle-income countries. Current diagnostic methods are notoriously
complex, involving manual review of medical notes, numerous cognitive tests,
expensive brain scans or spinal fluid tests. Information relevant to CI is
often found in the electronic health records (EHRs) and can provide vital clues
for early diagnosis, but a manual review by experts is tedious and error prone.
This project develops a novel state-of-the-art automated screening pipeline for
scalable and high-speed discovery of undetected CI in EHRs. To understand the
linguistic context from complex language structures in EHR, a database of 8,656
sequences was constructed to train attention-based deep learning natural
language processing model to classify sequences. A patient level prediction
model based on logistic regression was developed using the sequence level
classifier. The deep learning system achieved 93% accuracy and AUC = 0.98 to
identify patients who had no earlier diagnosis, dementia-related diagnosis
code, or dementia-related medications in their EHR. These patients would have
otherwise gone undetected or detected too late. The EHR screening pipeline was
deployed in NeuraHealthNLP, a web application for automated and real-time CI
screening by simply uploading EHRs in a browser. NeuraHealthNLP is cheaper,
faster, more accessible, and outperforms current clinical methods including
text-based analytics and machine learning approaches. It makes early diagnosis
viable in regions with scarce health care services but accessible internet or
cellular services.
- Abstract（参考訳）: 認知症関連障害(CI)は世界中で5500万人以上に影響を与え、3秒ごとに1件の新しい症例のペースで急速に増加している。
臨床治験の再発では早期診断が重要であるが、認知症患者の75%は世界中で診断されず、低所得国では90%に達する。
現在の診断方法は非常に複雑で、医療ノートのマニュアルレビュー、多くの認知検査、高価な脳スキャン、脊髄液検査などが含まれる。
ciに関連する情報はehrs(electronic health records)にしばしば含まれ、早期診断のための重要な手がかりとなるが、専門家による手作業によるレビューは退屈で誤りやすい。
このプロジェクトでは、EHRにおける未検出CIのスケーラブルで高速な発見を可能にする、最先端の自動スクリーニングパイプラインが新たに開発されている。
EHRの複雑な言語構造から言語コンテキストを理解するため、8,656のシーケンスからなるデータベースを構築し、注意に基づくディープラーニング自然言語処理モデルを訓練し、シーケンスを分類した。
シーケンスレベル分類器を用いてロジスティック回帰に基づく患者レベル予測モデルを開発した。
深層学習システムは93%の精度を達成し, AUC = 0.98 で, 早期診断, 認知症関連診断コード, 認知症関連薬剤の診断を行った。
これらの患者は、発見も発見も遅すぎただろう。
EHRスクリーニングパイプラインは、ブラウザにEHRをアップロードするだけで、自動化されたリアルタイムCIスクリーニングのためのWebアプリケーションであるNeuraHealthNLPにデプロイされた。
NeuraHealthNLPは安価で、より速く、よりアクセスしやすく、テキストベースの分析や機械学習アプローチを含む現在の臨床手法より優れています。
医療サービスが少ない地域では早期診断が可能だが、インターネットや携帯電話サービスにアクセスできる。
関連論文リスト
- 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) - DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳（メタデータ） (2023-12-02T22:57:25Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳（メタデータ） (2022-10-29T09:18:41Z) - DR.BENCH: Diagnostic Reasoning Benchmark for Clinical Natural Language
Processing [5.022185333260402]
診断推論ベンチマーク(DR.BENCH)は臨床診断推論能力を持つcNLPモデルの開発と評価のための新しいベンチマークである。
DR.BENCHは、訓練済みの言語モデルを評価するための自然言語生成フレームワークとして設計された最初の臨床スイートである。
論文 参考訳（メタデータ） (2022-09-29T16:05:53Z) - Towards Structuring Real-World Data at Scale: Deep Learning for
Extracting Key Oncology Information from Clinical Text with Patient-Level
Supervision [10.929271646369887]
実世界データ(RWD)の詳細な患者情報の大部分は、フリーテキストの臨床文書でのみ利用可能である。
従来のルールベースのシステムは、臨床テキストの言語的変異やあいまいさに弱い。
本稿では,患者レベルの管理を医療登録から活用することを提案する。
論文 参考訳（メタデータ） (2022-03-20T03:42:03Z) - Using Deep Learning to Identify Patients with Cognitive Impairment in
Electronic Health Records [0.0]
認知症に苦しむ患者は4人に1人しかいない。
認知症は医療専門家によって診断されていない。
ディープラーニングNLPは、認知症に関連するICDコードや薬品なしで認知症患者を識別できる。
論文 参考訳（メタデータ） (2021-11-13T01:44:10Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳（メタデータ） (2021-02-10T13:00:29Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - A Multi-modal Machine Learning Approach and Toolkit to Automate
Recognition of Early Stages of Dementia among British Sign Language Users [5.8720142291102135]
タイムリーな診断は、必要なサポートと適切な薬を得るのに役立つ。
画像とビデオの分析と理解のためのディープラーニングベースのアプローチは有望である。
このアプローチは過度に適合せず、スケールアップの可能性を秘めています。
論文 参考訳（メタデータ） (2020-10-01T16:35:48Z) - Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文 参考訳（メタデータ） (2020-08-30T21:47:26Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。