論文の概要: POPDx: An Automated Framework for Patient Phenotyping across 392,246
Individuals in the UK Biobank Study
- arxiv url: http://arxiv.org/abs/2208.11223v1
- Date: Tue, 23 Aug 2022 22:43:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 13:10:41.315360
- Title: POPDx: An Automated Framework for Patient Phenotyping across 392,246
Individuals in the UK Biobank Study
- Title(参考訳): popdx: 英国バイオバンク研究における392,246人の患者表現型の自動フレームワーク
- Authors: Lu Yang, Sheng Wang, and Russ B. Altman
- Abstract要約: 本稿では,すべての英国バイオバンク参加者に対して,表現型符号を暗示する表現型認識法について述べる。
英国バイオバンクから392,246人の表現型および健康関連情報を抽出した。
POPDxは1,538個の表現型符号の確率を同時に推定するバイリニア機械学習フレームワークである。
- 参考スコア(独自算出の注目度): 8.888983935373574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objective For the UK Biobank standardized phenotype codes are associated with
patients who have been hospitalized but are missing for many patients who have
been treated exclusively in an outpatient setting. We describe a method for
phenotype recognition that imputes phenotype codes for all UK Biobank
participants. Materials and Methods POPDx (Population-based Objective
Phenotyping by Deep Extrapolation) is a bilinear machine learning framework for
simultaneously estimating the probabilities of 1,538 phenotype codes. We
extracted phenotypic and health-related information of 392,246 individuals from
the UK Biobank for POPDx development and evaluation. A total of 12,803 ICD-10
diagnosis codes of the patients were converted to 1,538 Phecodes as gold
standard labels. The POPDx framework was evaluated and compared to other
available methods on automated multi-phenotype recognition. Results POPDx can
predict phenotypes that are rare or even unobserved in training. We demonstrate
substantial improvement of automated multi-phenotype recognition across 22
disease categories, and its application in identifying key epidemiological
features associated with each phenotype. Conclusions POPDx helps provide
well-defined cohorts for downstream studies. It is a general purpose method
that can be applied to other biobanks with diverse but incomplete data.
- Abstract(参考訳): 目的 英国バイオバンクの標準化された表現型コードは、入院しているが外来でのみ治療を受けた多くの患者に欠けている患者に関連付けられている。
本稿では,全英国バイオバンク参加者に対して表現型コードを含む表現型認識手法について述べる。
Materials and Methods POPDx (Population-based Objective Phenotyping by Deep Extrapolation)は1,538個の表現型符号の確率を同時に推定するバイリニア機械学習フレームワークである。
英国バイオバンクから392,246人の表現型および健康関連情報を抽出し,POPDxの開発と評価を行った。
12,803件のICD-10診断コードを金標準ラベルとして1,538件に換算した。
POPDxフレームワークは, 自動マルチフェノタイプ認識における他の手法と比較し, 評価を行った。
結果 popdx は、訓練において珍しい、あるいは観察できない表現型を予測できる。
22の病種にまたがる自動多表現型認識の大幅な改善と,各表現型に関連する重要な疫学的特徴の同定への応用を示す。
結論 POPDx は下流の研究によく定義されたコホートを提供する。
多様なが不完全なデータを持つ他のバイオバンクに適用できる汎用的手法である。
関連論文リスト
- PheME: A deep ensemble framework for improving phenotype prediction from
multi-modal data [42.56953523499849]
PheMEは, 構造化EHRのマルチモーダルデータを用いたアンサンブル・フレームワークであり, 非構造化臨床ノートを用いて, 正確なフェノタイプ予測を行う。
我々はアンサンブル学習を活用し、単一モーダルモデルと多モーダルモデルからの出力を組み合わせて表現型予測を改善する。
論文 参考訳(メタデータ) (2023-03-19T23:41:04Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳(メタデータ) (2023-01-07T18:36:44Z) - A cost-based multi-layer network approach for the discovery of patient
phenotypes [2.816539638885011]
コミュニティ検出手法を用いて表現型を検出するためのコストベース層セレクタモデルを提案する。
私たちのゴールは、その品質を維持しながら、これらの表現型を構築するのに使用される機能の数を最小化することです。
いくつかの後処理変数では、COBALTの表現型を特徴とする予測子は、従来のクラスタリング法で検出された表現型よりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T14:07:10Z) - Unsupervised EHR-based Phenotyping via Matrix and Tensor Decompositions [0.6875312133832078]
本稿では,低ランク近似に基づく計算表現法について概観する。
近年,様々な制約を組み込んだ低ランクデータ近似手法が開発され,解釈可能性の向上が図られている。
論文 参考訳(メタデータ) (2022-09-01T09:47:27Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳(メタデータ) (2022-04-24T07:38:37Z) - Unsupervised Numerical Reasoning to Extract Phenotypes from Clinical
Text by Leveraging External Knowledge [11.91707762836693]
現在の表現型モデルでは、一般的な表現型を検出できるが、数値的な推論を必要とする表現型を検出すると性能が低下する。
本稿では,外部知識と文脈的単語埋め込みを利用した新規な教師なし手法について紹介する。
これは、一般化されたリコールとF1のスコアがそれぞれ79%、F1のスコアが71%という、大幅なパフォーマンス向上を示している。
論文 参考訳(メタデータ) (2022-04-19T12:44:32Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳(メタデータ) (2022-03-31T20:15:22Z) - A robust kernel machine regression towards biomarker selection in
multi-omics datasets of osteoporosis for drug discovery [2.2897244874280043]
本稿では,ロバスト・カーネル・マシン・レグレッション(RobMR)を提案する。
実験により, 提案手法は骨粗しょう症の関連因子を効果的に同定することを示した。
提案手法は、利用可能なあらゆる疾患モデルマルチオミクスデータセットに適用できる。
論文 参考訳(メタデータ) (2022-01-13T16:39:46Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳(メタデータ) (2021-10-12T16:25:50Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳(メタデータ) (2020-10-13T15:20:21Z)
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。