論文の概要: Prediction of drug effectiveness in rheumatoid arthritis patients based
on machine learning algorithms
- arxiv url: http://arxiv.org/abs/2210.08016v1
- Date: Fri, 14 Oct 2022 15:15:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 22:00:02.972498
- Title: Prediction of drug effectiveness in rheumatoid arthritis patients based
on machine learning algorithms
- Title(参考訳): 機械学習アルゴリズムを用いた関節リウマチ患者の薬物効果予測
- Authors: Shengjia Chen (1), Nikunj Gupta (2), Woodward B. Galbraith (3), Valay
Shah (4), Jacopo Cirrone (5) ((1) Grossman School of Medicine, New York
University, (2) Tandon School of Engineering, New York University, (3) Center
for Data Science, New York University, (4) Courant Institute of Mathematical
Sciences, New York University, (5) Center for Data Science, New York
University, and Colton Center for Autoimmunity, NYU Grossman School of
Medicine)
- Abstract要約: 慢性関節リウマチ(RA)は、患者の免疫系が誤って自身の組織を標的としたときに引き起こされる自己免疫疾患である。
機械学習(ML)は、患者の電子健康記録(EHR)のパターンを識別し、患者の結果を改善する最良の臨床治療を予測する可能性がある。
そこで本研究では,欧州関節リウマチ学会(Eular)基準に基づく新たな2段階MLフレームワークを提案し,その有効性をモデル化する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rheumatoid arthritis (RA) is an autoimmune condition caused when patients'
immune system mistakenly targets their own tissue. Machine learning (ML) has
the potential to identify patterns in patient electronic health records (EHR)
to forecast the best clinical treatment to improve patient outcomes. This study
introduced a \textbf{D}rug \textbf{R}esponse \textbf{P}rediction (DRP)
framework with two main goals: 1) design a data processing pipeline to extract
information from tabular clinical data, and then preprocess it for functional
use, and 2) predict RA patient's responses to drugs and evaluate classification
models' performance. We propose a novel two-stage ML framework based on
European Alliance of Associations for Rheumatology (EULAR) criteria cutoffs to
model drug effectiveness. Our model Stacked-Ensemble DRP was developed and
cross-validated using data from 425 RA patients. The evaluation used a subset
of 124 patients (30\%) from the same data source. In the evaluation of the test
set, two-stage DRP leads to improved classification accuracy over other
end-to-end classification models for binary classification. Our proposed method
provides a complete pipeline to predict disease activity scores and identify
the group that does not respond well to anti-TNF treatments, thus showing
promise in supporting clinical decisions based on EHR information. Codes and
sample fictional datasets to test our model are given at \url{
https://github.com/Gaskell-1206/Ensemble_DRP}.
- Abstract(参考訳): 関節リウマチ(ra)は、患者の免疫系が誤って自身の組織を標的にした場合に生じる自己免疫疾患である。
機械学習(ML)は、患者の電子健康記録(EHR)のパターンを識別し、患者の結果を改善する最良の臨床治療を予測する可能性がある。
本研究は2つの主な目標を持つ \textbf{d}rug \textbf{r}esponse \textbf{p}rediction (drp) フレームワークを導入した。
1)表型臨床データから情報を抽出するデータ処理パイプラインを設計し、機能的使用のために前処理し、
2)RA患者の薬物に対する反応を予測し,分類モデルの性能を評価する。
そこで本研究では,欧州関節リウマチ学会(Eular)基準に基づく新たな2段階MLフレームワークを提案し,その有効性をモデル化する。
425例のRA患者から得られたデータを用いて,本モデルを開発した。
この評価では、同じデータソースから124人の患者(30\%)のサブセットを使用した。
テストセットの評価において、二段階のDRPは二項分類のための他のエンドツーエンドの分類モデルよりも分類精度が向上する。
提案手法は, 抗TNF治療に反応しない群を同定し, EHR情報に基づく臨床診断を支援するための完全なパイプラインを提供する。
我々のモデルをテストするためのコードと架空のデータセットは、 \url{ https://github.com/Gaskell-1206/Ensemble_DRP} で与えられる。
関連論文リスト
- Enhancing End Stage Renal Disease Outcome Prediction: A Multi-Sourced Data-Driven Approach [7.212939068975618]
10,326人のCKD患者のデータを利用して,2009年から2018年までの臨床とクレーム情報を組み合わせた。
24ヶ月の観測窓は早期検出と予測精度のバランスをとるのに最適であると同定された。
2021年のeGFR方程式は予測精度を改善し、特にアフリカ系アメリカ人の偏見を低減した。
論文 参考訳(メタデータ) (2024-10-02T03:21:01Z) - Enhancing Acute Kidney Injury Prediction through Integration of Drug
Features in Intensive Care Units [0.0]
急性腎障害(AKI)予測と腎障害薬との関連は, 治療現場ではまだ検討されていない。
そこで本研究では,患者処方データをモダリティとして活用し,既存のAKI予測モデルを改善する手法を提案する。
論文 参考訳(メタデータ) (2024-01-09T05:42:32Z) - A graph neural network-based model with Out-of-Distribution Robustness
for enhancing Antiretroviral Therapy Outcome Prediction for HIV-1 [5.111166539327379]
本稿では,完全連結ニューラルネットワークとグラフニューラルネットワークの機能を組み合わせた新しいジョイントフュージョンモデルを提案する。
テストセットにおけるアウト・オブ・ディストリビューション・ドラッグに対するこれらのモデルの堅牢性を評価する。
論文 参考訳(メタデータ) (2023-12-29T08:02:13Z) - TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic
Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。
近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。
本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文 参考訳(メタデータ) (2023-07-19T12:35:09Z) - Literature-Augmented Clinical Outcome Prediction [10.46990394710927]
EBMとAIベースの臨床モデルとのギャップを埋める技術を導入する。
集中治療(ICU)患者情報に基づいて患者固有の文献を自動的に検索するシステムを提案する。
我々のモデルは,最近の強靭なベースラインと比較して,3つの課題に対する予測精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2021-11-16T11:19:02Z) - Synthesizing time-series wound prognosis factors from electronic medical
records using generative adversarial networks [0.0]
創傷予後因子を合成するためにgans(time series medical generative adversarial networks)を開発した。
条件付きトレーニング戦略は, 癒しや非癒しの観点から, 訓練の強化と分類データの生成に活用された。
論文 参考訳(メタデータ) (2021-05-03T20:26:48Z) - 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) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳(メタデータ) (2021-01-13T03:20:20Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳(メタデータ) (2020-10-08T15:30:17Z) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳(メタデータ) (2020-07-31T14:34:35Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳(メタデータ) (2020-05-10T01:45:03Z)
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。