論文の概要: Replacing the Framingham-based equation for prediction of cardiovascular
disease risk and adverse outcome by using artificial intelligence and retinal
imaging
- arxiv url: http://arxiv.org/abs/2207.14685v2
- Date: Mon, 1 Aug 2022 00:44:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-07 14:33:17.364924
- Title: Replacing the Framingham-based equation for prediction of cardiovascular
disease risk and adverse outcome by using artificial intelligence and retinal
imaging
- Title(参考訳): フレイミングハムに基づく心血管疾患のリスクと予後予測の方程式の人工知能と網膜イメージングによる置き換え
- Authors: Ehsan Vaghefi, David Squirrell, Songyang An, Song Yang, John Marshall
- Abstract要約: 患者47,236人を対象に165,907枚の網膜画像を用いた。
フレイミングハム方程式に基づくリスクスコアを算出し、実際のCVD事象率も個人および全人口に対して決定された。
フラミンハムのスコアと比較すると、ORAiCLEは今後5年間の心血管イベントの予測において最大で12%精度が高かった。
- 参考スコア(独自算出の注目度): 2.3972862241374444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: To create and evaluate the accuracy of an artificial intelligence
Deep learning platform (ORAiCLE) capable of using only retinal fundus images to
predict both an individuals overall 5 year cardiovascular risk (CVD) and the
relative contribution of the component risk factors that comprise this risk.
Methods: We used 165,907 retinal images from a database of 47,236 patient
visits. Initially, each image was paired with biometric data age, ethnicity,
sex, presence and duration of diabetes a HDL/LDL ratios as well as any CVD
event wtihin 5 years of the retinal image acquisition. A risk score based on
Framingham equations was calculated. The real CVD event rate was also
determined for the individuals and overall population. Finally, ORAiCLE was
trained using only age, ethnicity, sex plus retinal images. Results: Compared
to Framingham-based score, ORAiCLE was up to 12% more accurate in prediciting
cardiovascular event in he next 5-years, especially for the highest risk group
of people. The reliability and accuracy of each of the restrictive models was
suboptimal to ORAiCLE performance ,indicating that it was using data from both
sets of data to derive its final results. Conclusion: Retinal photography is
inexpensive and only minimal training is required to acquire them as fully
automated, inexpensive camera systems are now widely available. As such,
AI-based CVD risk algorithms such as ORAiCLE promise to make CV health
screening more accurate, more afforadable and more accessible for all.
Furthermore, ORAiCLE unique ability to assess the relative contribution of the
components that comprise an individuals overall risk would inform treatment
decisions based on the specific needs of an individual, thereby increasing the
likelihood of positive health outcomes.
- Abstract(参考訳): 目的:網膜基底画像のみを用いて、全体5年間の心血管リスク(CVD)と、このリスクを構成するコンポーネントリスク要因の相対的寄与を予測できる人工知能ディープラーニングプラットフォーム(ORAiCLE)の精度を作成し、評価すること。
方法】47,236症例のデータベースから165,907例の網膜画像を用いた。
当初、各画像は生体計測データ年代、民族性、性別、糖尿病の有無、持続時間、HDL/LDL比、および網膜画像取得から5年経過したCVDイベントwtihinと組み合わせられた。
フレイミングハム方程式に基づくリスクスコアを算出した。
実際のCVD発生率も個人および全人口に対して決定された。
最後に、ORAiCLEは年齢、民族、性別、網膜画像のみを用いて訓練された。
結果:framingham-based scoreと比較すると,オライクルは,次の5年間,特にリスクの高い集団において,心血管イベントの予防接種において,最大12%正確であった。
制約モデルの信頼性と正確性はオライクルの性能に準じており、両者のデータセットからのデータを使って最終的な結果を得たことを示している。
結論: 網膜撮影は安価であり、完全に自動化された安価なカメラシステムとして入手するには最小限の訓練しか必要とされない。
そのため、ORAiCLEのようなAIベースのCVDリスクアルゴリズムは、CVヘルススクリーニングをより正確で、より親和性が高く、よりアクセスしやすいものにすることを約束する。
さらに、ORAiCLEは、個人全体のリスクを構成するコンポーネントの相対的貢献を評価するユニークな能力は、個人の特定のニーズに基づいて治療決定を通知し、ポジティブな健康結果の可能性が高まる。
関連論文リスト
- End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG
by Deep Neural Networks [1.4064206416094476]
心房細動(英: atrial fibrillation、AF)は、毎年何百万人もの人に影響を及ぼす心不整脈の1つである。
機械学習手法は心電図からAFの発生リスクを評価する上で有望な結果を示している。
論文 参考訳(メタデータ) (2023-09-28T10:47:40Z) - Neurological Prognostication of Post-Cardiac-Arrest Coma Patients Using
EEG Data: A Dynamic Survival Analysis Framework with Competing Risks [4.487368901635044]
脳波データを用いた心停止後コマトース患者の神経学的予後の枠組みを提案する。
我々のフレームワークは、患者レベルの累積頻度関数を推定する形で競合するリスクをサポートする動的生存分析モデルを使用する。
我々は,922人の実際のデータセット上で競合するリスクをサポートする3つの既存動的生存分析モデルをベンチマークすることで,我々の枠組みを実証する。
論文 参考訳(メタデータ) (2023-08-17T03:46:23Z) - Predicting Cardiovascular Disease Risk using Photoplethysmography and
Deep Learning [9.273651488255036]
心血管疾患 (CVD) は、低所得国や中所得国で早期に死亡する原因となっている。
そこで本研究では,ほとんどのスマートフォンで利用可能なセンシング技術であるフォトプレチスモグラフィー(Photoplethysmography)の可能性について検討した。
PPGを用いた深層学習型CVDリスクスコア(DLS)を開発した。
論文 参考訳(メタデータ) (2023-05-09T17:46:43Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳(メタデータ) (2022-04-20T17:28:08Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳(メタデータ) (2021-09-18T02:28:01Z) - Development of an accessible 10-year Digital CArdioVAscular (DiCAVA)
risk assessment: a UK Biobank study [0.46180371154032895]
目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。
第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
論文 参考訳(メタデータ) (2021-04-20T16:01:50Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z) - Predicting cardiovascular risk from national administrative databases
using a combined survival analysis and deep learning approach [0.3463527836552467]
本研究では,従来のコックス比例ハザードモデル(CPH)を用いた生存分析モデルのディープラーニング拡張性能の比較を行った。
深層学習モデルは、説明された時間対イベントの発生率に基づいてCPHモデルよりも有意に優れていた。
深層学習モデルは、解釈可能なCVDリスク予測方程式を導出するために、大規模な健康管理データベースに適用することができる。
論文 参考訳(メタデータ) (2020-11-28T00:10:25Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳(メタデータ) (2020-07-20T19:08:50Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳(メタデータ) (2020-07-16T17:43:13Z)
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。