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

• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• 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)
• Fuzzy Rule based Intelligent Cardiovascular Disease Prediction using Complex Event Processing [0.8668211481067458]
  心血管疾患 (CVD) は、不健康な食事、身体活動の欠如、その他の要因により、急速に世界的な懸念が高まっている。 最近の研究は、リスクと死亡率を減らすための正確でタイムリーな病気予測に焦点を当てている。 本稿では,リアルタイム意思決定支援のためのファジィルールに基づく臨床データ監視システムを提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:36:24Z)
• Machine Learning Models for the Identification of Cardiovascular Diseases Using UK Biobank Data [4.285399998352862]
  この調査では、英国の主要医療センターから50万人以上の中年参加者が参加しました。 参加者は、心臓発作、狭心症、脳卒中、高血圧の少なくとも1つを報告した場合、CVDと分類された。 我々は9つの機械学習モデル (LSVM, RBFSVM, GP, DT, RF, NN, AdaBoost, NB, QDA) を用いた。
  論文  参考訳（メタデータ） (2024-07-23T11:05:20Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  将来性心血管疾患(CVD)の予知法としての光コヒーレンス断層撮影の可能性について検討した。 我々は,変分オートエンコーダ(VAE)に基づく自己教師型ディープラーニング手法を用いて,高次元 OCT 画像の低次元表現を学習した。 OCT画像で見られる脈絡膜層は,新しいモデル説明可能性アプローチを用いて,今後のCVD事象の予測因子として同定された。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• 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)
• 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)
• 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。