Fugu-MT 論文翻訳(概要): New-Onset Diabetes Assessment Using Artificial Intelligence-Enhanced Electrocardiography

論文の概要: New-Onset Diabetes Assessment Using Artificial Intelligence-Enhanced Electrocardiography

arxiv url: http://arxiv.org/abs/2205.02900v2
Date: Wed, 22 Mar 2023 04:57:56 GMT
ステータス: 処理完了
システム内更新日: 2023-03-24 04:37:06.685230
Title: New-Onset Diabetes Assessment Using Artificial Intelligence-Enhanced Electrocardiography
Title（参考訳）: 人工心電図を用いた新発症糖尿病の評価
Authors: Neil Jethani, Aahlad Puli, Hao Zhang, Leonid Garber, Lior Jankelson, Yindalon Aphinyanaphongs, and Rajesh Ranganath
Abstract要約: 糖尿病の成人は21.4%である。 AI強化心電図(ECG)は、新しい発症糖尿病の成人を識別する。
参考スコア（独自算出の注目度）: 19.027974114710958
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Undiagnosed diabetes is present in 21.4% of adults with diabetes. Diabetes can remain asymptomatic and undetected due to limitations in screening rates. To address this issue, questionnaires, such as the American Diabetes Association (ADA) Risk test, have been recommended for use by physicians and the public. Based on evidence that blood glucose concentration can affect cardiac electrophysiology, we hypothesized that an artificial intelligence (AI)-enhanced electrocardiogram (ECG) could identify adults with new-onset diabetes. We trained a neural network to estimate HbA1c using a 12-lead ECG and readily available demographics. We retrospectively assembled a dataset comprised of patients with paired ECG and HbA1c data. The population of patients who receive both an ECG and HbA1c may a biased sample of the complete outpatient population, so we adjusted the importance placed on each patient to generate a more representative pseudo-population. We found ECG-based assessment outperforms the ADA Risk test, achieving a higher area under the curve (0.80 vs. 0.68) and positive predictive value (13% vs. 9%) -- 2.6 times the prevalence of diabetes in the cohort. The AI-enhanced ECG significantly outperforms electrophysiologist interpretation of the ECG, suggesting that the task is beyond current clinical capabilities. Given the prevalence of ECGs in clinics and via wearable devices, such a tool would make precise, automated diabetes assessment widely accessible.
Abstract（参考訳）: 糖尿病の成人は21.4%である。糖尿病は無症候性であり、スクリーニング率の制限のため検出されない。この問題に対処するため、アメリカ糖尿病協会(ADA)のリスクテストのようなアンケートは、医師や公衆からの使用が推奨されている。血液グルコース濃度が心電気生理学的に影響を及ぼす証拠に基づいて、人工知能(AI)により強化された心電図(ECG)が、新しい発症糖尿病の成人を識別できると仮定した。ニューラルネットワークをトレーニングし,12リードのECGと容易に利用可能な人口動態を用いてHbA1cを推定した。我々は,ペア心電図とHbA1cデータからなるデータセットを振り返って収集した。心電図とHbA1cの両方を受信した患者の人口は全外来患者のサンプルの偏りがあるため,各患者が重視する重要性を調整し,より代表的な擬似人口を生成する。その結果、心電図による評価はADAリスクテストよりも優れており、曲線(0.80対0.68)と正の予測値(13%対9%)で、コホート中の糖尿病の頻度の2.6倍である。 AIによって強化されたECGは、心電図の電気生理学的解釈を著しく上回り、現在の臨床能力を超えていることを示唆している。クリニックやウェアラブルデバイス経由でのECGの普及を考えると、そのようなツールは正確な自動糖尿病評価を広く利用できるようにするだろう。

関連論文リスト

Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文参考訳（メタデータ） (2024-10-18T12:37:51Z)
From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。 GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。今後4年間の健康状態も予測できる。
論文参考訳（メタデータ） (2024-08-20T13:19:06Z)
Privacy Preserved Blood Glucose Level Cross-Prediction: An Asynchronous Decentralized Federated Learning Approach [13.363740869325646]
新たに診断された1型糖尿病(T1D)患者は、効果的な血液グルコース(BG)予測モデルを得るのに苦慮することが多い。 Asynchronous Decentralized Federated Learning による血糖予測である「GluADFL」を提案する。
論文参考訳（メタデータ） (2024-06-21T17:57:39Z)
Supervised Learning Models for Early Detection of Albuminuria Risk in Type-2 Diabetes Mellitus Patients [0.0]
本研究の目的は,T2DM患者にアルブミン尿を発症するリスクを予測するための教師付き学習モデルを開発することである。特徴として10の属性、目標として1の属性(アルブミン尿症)から構成される。これはそれぞれ0.74と0.75の精度とf1スコアの値を達成し、T2DMの尿失調を予測するためのスクリーニングに適していた。
論文参考訳（メタデータ） (2023-09-28T08:41:12Z)
Machine Learning-Based Diabetes Detection Using Photoplethysmography Signal Features [0.0]
糖尿病は世界中で何百万人もの人々の健康を損なう慢性疾患である。そこで本研究では,非侵襲性光胸腺撮影による糖尿病検出の問題点を克服する別の方法を提案する。 PPG信号とアルゴリズムを用いて非糖尿病患者と糖尿病患者を分類し,ロジスティック回帰とeXtreme Gradient Boostingを訓練した。以上の結果から,糖尿病の検出・予防のための遠隔・非侵襲・連続計測装置の開発に機械学習が期待できることが示唆された。
論文参考訳（メタデータ） (2023-08-02T14:10:03Z)
PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文参考訳（メタデータ） (2023-05-17T09:06:39Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Deep artificial neural network for prediction of atrial fibrillation through the analysis of 12-leads standard ECG [0.0]
心房細動(Atrial Fibrillation,AF)は心臓不整脈である。畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
論文参考訳（メタデータ） (2022-01-14T10:09:01Z)
LSTMs and Deep Residual Networks for Carbohydrate and Bolus Recommendations in Type 1 Diabetes Management [4.01573226844961]
本研究では, LSTMを用いた血糖値予測手法について紹介する。次に、同じ推奨タスクのための新しいアーキテクチャを導き出します。 OhioT1DMデータセットの実際の患者データを用いた実験的評価は、新しい統合アーキテクチャが以前のLSTMベースのアプローチと良好に比較できることを示している。
論文参考訳（メタデータ） (2021-03-06T19:06:14Z)
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)
Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文参考訳（メタデータ） (2020-02-06T16:39:44Z)

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。