論文の概要: Temporal Subtyping of Alzheimer's Disease Using Medical Conditions
Preceding Alzheimer's Disease Onset in Electronic Health Records
- arxiv url: http://arxiv.org/abs/2202.10991v1
- Date: Tue, 22 Feb 2022 15:53:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 15:43:37.435410
- Title: Temporal Subtyping of Alzheimer's Disease Using Medical Conditions
Preceding Alzheimer's Disease Onset in Electronic Health Records
- Title（参考訳）: 電子カルテにおけるアルツハイマー病発症前の医療条件によるアルツハイマー病の時間的亜型
- Authors: Zhe He, Shubo Tian, Arslan Erdengasileng, Neil Charness, Jiang Bian
- Abstract要約: アルツハイマー病(AD)の亜型は、診断、治療、予後、疾患管理を容易にする。
この研究は、ADの早期発見とパーソナライズされた治療、およびADの臨床試験におけるデータ駆動型汎用性評価を促進する可能性がある。
- 参考スコア（独自算出の注目度）: 8.617646404920249
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Subtyping of Alzheimer's disease (AD) can facilitate diagnosis, treatment,
prognosis and disease management. It can also support the testing of new
prevention and treatment strategies through clinical trials. In this study, we
employed spectral clustering to cluster 29,922 AD patients in the OneFlorida
Data Trust using their longitudinal EHR data of diagnosis and conditions into
four subtypes. These subtypes exhibit different patterns of progression of
other conditions prior to the first AD diagnosis. In addition, according to the
results of various statistical tests, these subtypes are also significantly
different with respect to demographics, mortality, and prescription medications
after the AD diagnosis. This study could potentially facilitate early detection
and personalized treatment of AD as well as data-driven generalizability
assessment of clinical trials for AD.
- Abstract（参考訳）: アルツハイマー病(AD)の亜型は、診断、治療、予後、疾患管理を容易にする。
臨床試験を通じて、新しい予防および治療戦略のテストを支援することもできる。
本研究では,1Florida Data Trustの患者29,922人を対象に,診断と症状の経時的EHRデータを4つのサブタイプに分類し,スペクトルクラスタリングを行った。
これらのサブタイプは、最初のAD診断の前に他の疾患の進行パターンが異なる。
また, 各種統計検査の結果から, これらのサブタイプはAD診断後の人口動態, 死亡率, 処方薬と大きく異なる。
この研究は、ADの早期発見とパーソナライズされた治療、およびADの臨床試験におけるデータ駆動型汎用性評価を促進する可能性がある。
関連論文リスト
- MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。
本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
論文 参考訳（メタデータ） (2024-11-06T10:13:28Z) - Statistical testing on generative AI anomaly detection tools in Alzheimer's Disease diagnosis [16.73336092521471]
生成AIは、医療画像における異常検出の可能性を示している。
我々は、選択的推論を用いてこの問題を解決し、アルツハイマーの予測のための信頼できる生成AI手法を開発することを提案する。
論文 参考訳（メタデータ） (2024-10-17T09:15:09Z) - Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - Machine Learning Classification of Alzheimer's Disease Stages Using
Cerebrospinal Fluid Biomarkers Alone [0.3277163122167434]
アルツハイマー病の早期診断は、既存の方法では前臨床段階の患者を特定できないため、課題である。
いくつかの研究は、アルツハイマー病の早期診断における髄液バイオマーカー、アミロイドβ1-42、T-タウ、P-タウの可能性を示している。
我々は、脳脊髄液バイオマーカーのみに基づいて、機械学習モデルを用いてアルツハイマー病のさまざまな段階を分類した。
論文 参考訳（メタデータ） (2024-01-02T00:55:10Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Early Prediction of Alzheimers Disease Leveraging Symptom Occurrences
from Longitudinal Electronic Health Records of US Military Veterans [19.503355943883648]
アルツハイマー病(AD)の早期予測は、時間的介入と治療に不可欠である。
本研究の目的は,AD患者の経時的電子健康記録(EHR)解析に機械学習アプローチを使用することである。
我々は,AD関連キーワードのパネルと,患者の縦 EHR における時間的変化を,4つの機械学習モデルを用いたAD予測の予測因子として使用した。
論文 参考訳（メタデータ） (2023-07-23T16:38:16Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳（メタデータ） (2022-06-28T05:09:01Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳（メタデータ） (2022-04-29T19:27:06Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - 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) - 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。