Fugu-MT 論文翻訳(概要): An Artificial Intelligence Outlook for Colorectal Cancer Screening

論文の概要: An Artificial Intelligence Outlook for Colorectal Cancer Screening

arxiv url: http://arxiv.org/abs/2209.12624v1
Date: Mon, 5 Sep 2022 07:27:50 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 23:59:31.292906
Title: An Artificial Intelligence Outlook for Colorectal Cancer Screening
Title（参考訳）: 大腸癌検診における人工知能の展望
Authors: Panagiotis Katrakazas, Aristotelis Ballas, Marco Anisetti and Ilias Spais
Abstract要約: 大腸癌は男性で3番目に多い腫瘍であり、女性では2番目に多く、世界の全腫瘍の10%を占めている。がん関連死亡率は9.4%で、肺がんに次いで第2位である。
参考スコア（独自算出の注目度）: 1.417373050337415
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Colorectal cancer is the third most common tumor in men and the second in women, accounting for 10% of all tumors worldwide. It ranks second in cancer-related deaths with 9.4%, following lung cancer. The decrease in mortality rate documented over the last 20 years has shown signs of slowing down since 2017, necessitating concentrated actions on specific measures that have exhibited considerable potential. As such, the technical foundation and research evidence for blood-derived protein markers have been set, pending comparative validation, clinical implementation and integration into an artificial intelligence enabled decision support framework that also considers knowledge on risk factors. The current paper aspires to constitute the driving force for creating change in colorectal cancer screening by reviewing existing medical practices through accessible and non-invasive risk estimation, employing a straightforward artificial intelligence outlook.
Abstract（参考訳）: 大腸癌は男性で3番目に多く、女性では2番目に多く、全腫瘍の10%を占める。がん関連死亡率は9.4%で、肺癌に次いで第2位である。過去20年間に記録された死亡率の低下は、2017年以降に減少の兆しを示している。このように、血液由来のタンパク質マーカーの技術的基盤と研究証拠が設定され、リスクファクターに関する知識も考慮した人工知能対応意思決定支援フレームワークへの比較検証、臨床実装、統合が保留されている。本論文は, 容易かつ非侵襲的なリスク推定による既存の医療行為をレビューし, 直接的な人工知能の展望を活かし, 大腸癌検診における変化の原動力となることを目指している。

関連論文リスト

Coalitions of AI-based Methods Predict 15-Year Risks of Breast Cancer Metastasis Using Real-World Clinical Data with AUC up to 0.9 [6.712251433139411]
乳がんは女性の死亡率が最も高い2つのがんのうちの1つで、米国では毎年約4万2000人が死亡している。現在の予後指標は、局所治療後に治癒したと思われる5人の女性のうち4人にはほとんど効果がない。我々は、既存のデータのみを用いて、ROC分析において最大0.9のAUCを示すアルゴリズムを開発した。
論文参考訳（メタデータ） (2024-08-29T04:35:36Z)
Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文参考訳（メタデータ） (2024-05-23T07:03:38Z)
Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
論文参考訳（メタデータ） (2024-05-13T15:57:27Z)
Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文参考訳（メタデータ） (2024-05-13T15:48:26Z)
Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文参考訳（メタデータ） (2024-05-13T15:40:56Z)
Application analysis of ai technology combined with spiral CT scanning in early lung cancer screening [15.6839495538166]
肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。近年、人工知能技術が腫瘍学に徐々に応用され始めている。本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
論文参考訳（メタデータ） (2024-01-26T07:58:09Z)
Predicting breast cancer with AI for individual risk-adjusted MRI screening and early detection [1.3367806441522678]
本稿では,現在のMRIに基づいて1年以内に乳癌の発症リスクを予測することを提案する。検診・診断を施行した12,694例の乳房53,858例を対象にAIアルゴリズムを開発した。
論文参考訳（メタデータ） (2023-11-29T19:52:53Z)
Can-SAVE: Mass Cancer Risk Prediction via Survival Analysis Variables and EHR [1.29410702835589]
特定のがんスクリーニング法は、しばしば費用がかかり、時間がかかり、大規模に適用できる。本稿では,Can-SAVE癌リスク評価手法を提案する。アクセス性が高く、資源効率が良く、一連の高レベルの医療イベントのみを利用する。
論文参考訳（メタデータ） (2023-09-26T16:15:54Z)
Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文参考訳（メタデータ） (2023-04-12T15:08:34Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
3D Neural Network for Lung Cancer Risk Prediction on CT Volumes [0.6810862244331126]
肺がんはアメリカ合衆国で最も多いがん死の原因である。肺がんCT検査は、死亡率を40%まで下げることが示されている。放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
論文参考訳（メタデータ） (2020-07-25T10:01:22Z)

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。