論文の概要: AI Approaches in Processing and Using Data in Personalized Medicine
- arxiv url: http://arxiv.org/abs/2208.04698v1
- Date: Tue, 26 Jul 2022 11:11:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-14 18:18:06.948313
- Title: AI Approaches in Processing and Using Data in Personalized Medicine
- Title(参考訳): パーソナライズドメディカルにおけるデータ処理と利用におけるAIアプローチ
- Authors: Mirjana Ivanovic (1), Serge Autexier (2) and Miltiadis Kokkonidis (3)
((1) University of Novi Sad, Faculty of Sciences, Novi Sad, Serbia, (2)
German Research Center for Artificial Intelligence (DFKI), Bremen Site,
Germany, (3) Netcompany-Intrasoft S.A., Luxembourg, Luxembourg)
- Abstract要約: 高度な人工知能技術は、そのようなビッグデータを分析し、それらを消費し、パーソナライズされた医療決定をサポートするための新しい知識を導き出す機会を提供する。
高度な機械学習、フェデレートドラーニング、トランスファーラーニング、説明可能な人工知能といった新しいアプローチは、将来的に健康データや医療データをより高品質に活用するための新たな道を開く。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In modern dynamic constantly developing society, more and more people suffer
from chronic and serious diseases and doctors and patients need special and
sophisticated medical and health support. Accordingly, prominent health
stakeholders have recognized the importance of development of such services to
make patients life easier. Such support requires the collection of huge amount
of patients complex data like clinical, environmental, nutritional, daily
activities, variety of data from smart wearable devices, data from clothing
equipped with sensors etc. Holistic patients data must be properly aggregated,
processed, analyzed, and presented to the doctors and caregivers to recommend
adequate treatment and actions to improve patients health related parameters
and general wellbeing. Advanced artificial intelligence techniques offer the
opportunity to analyze such big data, consume them, and derive new knowledge to
support personalized medical decisions. New approaches like those based on
advanced machine learning, federated learning, transfer learning, explainable
artificial intelligence open new paths for more quality use of health and
medical data in future. In this paper, we will present some crucial aspects and
characteristic examples in the area of application of a range of artificial
intelligence approaches in personalized medical decisions.
- Abstract(参考訳): 現代の動的発展社会では、慢性・重篤な疾患に悩まされる人がますます多くなり、医師や患者は特別かつ洗練された医療・健康支援を必要としている。
そのため、医療関係者は患者の生活を楽にするためのサービスの開発の重要性を認識している。
このようなサポートには、臨床、環境、栄養、日々の活動、スマートウェアラブルデバイスのさまざまなデータ、センサーを備えた衣服のデータなど、膨大な量の患者データを集める必要がある。
患者データを適切に集計、処理、分析し、医師や介護者に提示し、患者の健康関連パラメータや一般的な健康状態を改善するための適切な治療とアクションを推奨する必要がある。
高度な人工知能技術は、そのようなビッグデータを分析し、それらを消費し、パーソナライズされた医療決定をサポートするための新しい知識を導き出す機会を提供する。
高度な機械学習、連合学習、転送学習、説明可能な人工知能に基づく新しいアプローチは、将来、健康と医療データのより高品質な利用のために新しい道を開く。
本稿では、パーソナライズされた医療決定における人工知能アプローチの適用領域において、いくつかの重要な側面と特徴例を示す。
関連論文リスト
- Generative AI-Driven Human Digital Twin in IoT-Healthcare: A
Comprehensive Survey [56.89257974393749]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳(メタデータ) (2024-01-22T03:17:41Z) - README: Bridging Medical Jargon and Lay Understanding for Patient
Education through Data-Centric NLP [9.746045026596638]
医療用語を患者に親しみやすい平易な言語に簡略化することを目的とした,レイ定義の自動生成という新たなタスクを導入する。
私たちはまず、2万以上のユニークな医療用語と30万件の言及からなるデータセットを作成しました。
また、データフィルタリング、拡張、選択を相乗化してデータ品質を改善する、データ中心のHuman-AIパイプラインも開発しました。
論文 参考訳(メタデータ) (2023-12-24T23:01:00Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳(メタデータ) (2023-05-25T16:29:16Z) - Leveraging Generative AI Models for Synthetic Data Generation in
Healthcare: Balancing Research and Privacy [0.0]
GANやVAEといった生成AIモデルは、貴重なデータアクセスと患者のプライバシ保護のバランスをとるための、有望なソリューションを提供する。
本稿では,現実的な匿名化された患者データを作成するための生成AIモデルについて検討する。
論文 参考訳(メタデータ) (2023-05-09T08:12:44Z) - MD-Manifold: A Medical-Distance-Based Representation Learning Approach
for Medical Concept and Patient Representation [6.795388490479779]
医療分析タスクのための医療概念を表現するには、医療領域の知識と事前のデータ情報を統合する必要がある。
MD-Manifoldは,医療概念と患者表現に対する新しいアプローチを提案する。
これには、重要な医療領域の知識と事前のデータ情報を統合するための、新しいデータ拡張アプローチ、コンセプト距離メトリック、および患者と患者のネットワークが含まれる。
論文 参考訳(メタデータ) (2023-04-30T18:58:32Z) - Medical Pathologies Prediction : Systematic Review and Proposed Approach [0.0]
我々は、医療改善のためのビッグデータ、人工知能、機械学習、ディープラーニングなど、最新の技術の活用に関するさまざまな研究を分析し、検討した。
本稿では,医療データの収集,前処理,クラスタリングに着目した一般的なアプローチを提案する。
論文 参考訳(メタデータ) (2023-04-01T13:35:17Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳(メタデータ) (2022-05-19T17:34:18Z) - Developing Medical AI : a cloud-native audio-visual data collection
study [0.0]
本稿では、音声・視覚データ収集研究のためのプロトコル、そのようなデータを効率的に処理・消費するためのクラウドアーキテクチャ、および特定のデータ収集装置の設計について述べる。
本研究の目的は, 当院における退院患者の早期診断を改善することである。
論文 参考訳(メタデータ) (2021-08-17T18:01:12Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳(メタデータ) (2021-05-03T21:20:20Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z)
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。