論文の概要: Metareview-informed Explainable Cytokine Storm Detection during CAR-T cell Therapy

• arxiv url: http://arxiv.org/abs/2206.10612v1
• Date: Mon, 20 Jun 2022 12:45:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-25 10:49:26.907006
• Title: Metareview-informed Explainable Cytokine Storm Detection during CAR-T cell Therapy
• Title（参考訳）: メタリビューによるcar-t細胞治療時のサイトカインストーム検出
• Authors: Alex Bogatu, Magdalena Wysocka, Oskar Wysocki, Holly Butterworth, Donal Landers, Elaine Kilgour, Andre Freitas
• Abstract要約: サイトカイン放出症候群(Cytokine Release syndrome, CRS)は、キメラ抗原受容体療法の最も重篤な副作用の一つである。 CRSは、患者間で類似性を示す傾向がある特定のサイトカインおよびケモカインプロファイルの分析によって同定できる。
• 参考スコア（独自算出の注目度）: 0.6332429219530602
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Cytokine release syndrome (CRS), also known as cytokine storm, is one of the most consequential adverse effects of chimeric antigen receptor therapies that have shown promising results in cancer treatment. When emerging, CRS could be identified by the analysis of specific cytokine and chemokine profiles that tend to exhibit similarities across patients. In this paper, we exploit these similarities using machine learning algorithms and set out to pioneer a meta--review informed method for the identification of CRS based on specific cytokine peak concentrations and evidence from previous clinical studies. We argue that such methods could support clinicians in analyzing suspect cytokine profiles by matching them against CRS knowledge from past clinical studies, with the ultimate aim of swift CRS diagnosis. During evaluation with real--world CRS clinical data, we emphasize the potential of our proposed method of producing interpretable results, in addition to being effective in identifying the onset of cytokine storm.
• Abstract（参考訳）: サイトカイン放出症候群 (Cytokine Release syndrome, CRS) は、癌治療において有望な結果を示すキメラ抗原受容体療法の副作用の一つである。 出現すると、CRSは患者間で類似性を示す傾向にある特定のサイトカインおよびケモカインプロファイルの分析によって同定される。 In this paper, we exploit these similarities using machine learning algorithms and set out to pioneer a meta--review informed method for the identification of CRS based on specific cytokine peak concentrations and evidence from previous clinical studies. We argue that such methods could support clinicians in analyzing suspect cytokine profiles by matching them against CRS knowledge from past clinical studies, with the ultimate aim of swift CRS diagnosis. During evaluation with real--world CRS clinical data, we emphasize the potential of our proposed method of producing interpretable results, in addition to being effective in identifying the onset of cytokine storm.

関連論文リスト

• Estimating the Causal Effects of T Cell Receptors [20.01390828400336]
  患者に対するT細胞受容体配列の因果的影響を推測する手法を提案する。 我々のアプローチは、患者の環境や生活史など、保存されていない共同設立者に対して正当である。 デモでは、TCRが新型コロナウイルスの重症度に与える影響を分析するために使用します。
  論文  参考訳（メタデータ） (2024-10-18T02:45:14Z)
• PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage [2.602118060856794]
  脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。 PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
  論文  参考訳（メタデータ） (2023-08-21T07:18:51Z)
• Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT [41.199716328468895]
  膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。 提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。 以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-02T03:34:28Z)
• 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)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• Trustworthy Visual Analytics in Clinical Gait Analysis: A Case Study for Patients with Cerebral Palsy [43.55994393060723]
  gaitXplorerは、CP関連歩行パターンの分類のための視覚分析手法である。 Grad-CAMは、機械学習の分類の説明のために、よく確立された説明可能な人工知能アルゴリズムである。
  論文  参考訳（メタデータ） (2022-08-10T09:21:28Z)
• TCR: A Transformer Based Deep Network for Predicting Cancer Drugs Response [12.86640026993276]
  抗がん剤反応を予測するために,トランスフォーマーを用いたがん薬物応答(TCR)ネットワークを提案する。 注意機構を利用することで、TCRは薬物原子/サブ構造と分子シグネチャの相互作用を効率的に学習することができる。 本研究は,TCRの予測能力と癌薬物の再利用と腫瘍学の精度向上に寄与する可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2022-07-10T13:01:54Z)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)

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。