論文の概要: AD-BERT: Using Pre-trained contextualized embeddings to Predict the
Progression from Mild Cognitive Impairment to Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2212.06042v1
- Date: Mon, 7 Nov 2022 04:05:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 01:45:46.554060
- Title: AD-BERT: Using Pre-trained contextualized embeddings to Predict the
Progression from Mild Cognitive Impairment to Alzheimer's Disease
- Title（参考訳）: AD-BERT-事前学習による軽度認知障害からアルツハイマー病への進展予測
- Authors: Chengsheng Mao, Jie Xu, Luke Rasmussen, Yikuan Li, Prakash
Adekkanattu, Jennifer Pacheco, Borna Bonakdarpour, Robert Vassar, Guoqian
Jiang, Fei Wang, Jyotishman Pathak, Yuan Luo
- Abstract要約: 本研究では,変換器(BERT)モデルから事前学習した双方向表現に基づくディープラーニングフレームワークを開発する。
軽度認知障害(MCI)からアルツハイマー病(AD)への進行リスクを非構造的臨床ノートを用いて予測した。
- 参考スコア（独自算出の注目度）: 14.59521645987661
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: We develop a deep learning framework based on the pre-trained
Bidirectional Encoder Representations from Transformers (BERT) model using
unstructured clinical notes from electronic health records (EHRs) to predict
the risk of disease progression from Mild Cognitive Impairment (MCI) to
Alzheimer's Disease (AD). Materials and Methods: We identified 3657 patients
diagnosed with MCI together with their progress notes from Northwestern
Medicine Enterprise Data Warehouse (NMEDW) between 2000-2020. The progress
notes no later than the first MCI diagnosis were used for the prediction. We
first preprocessed the notes by deidentification, cleaning and splitting, and
then pretrained a BERT model for AD (AD-BERT) based on the publicly available
Bio+Clinical BERT on the preprocessed notes. The embeddings of all the sections
of a patient's notes processed by AD-BERT were combined by MaxPooling to
compute the probability of MCI-to-AD progression. For replication, we conducted
a similar set of experiments on 2563 MCI patients identified at Weill Cornell
Medicine (WCM) during the same timeframe. Results: Compared with the 7 baseline
models, the AD-BERT model achieved the best performance on both datasets, with
Area Under receiver operating characteristic Curve (AUC) of 0.8170 and F1 score
of 0.4178 on NMEDW dataset and AUC of 0.8830 and F1 score of 0.6836 on WCM
dataset. Conclusion: We developed a deep learning framework using BERT models
which provide an effective solution for prediction of MCI-to-AD progression
using clinical note analysis.
- Abstract（参考訳）: 目的:電子健康記録(ehrs)の非構造化臨床記録を用いたトランスフォーマ(bert)モデルから事前学習した双方向エンコーダ表現に基づくディープラーニングフレームワークを開発し,軽度認知障害(mci)からアルツハイマー病(ad)への疾患進行リスクを予測する。
資料と方法:2000年から2020年の間,ノースウェスタン・メディカル・エンタープライズ・データウェアハウス(NMEDW)の経過ノートとともに,MCIと診断された3657例を同定した。
プログレスノートは、最初のmci診断が予測に使用されたのは、後日になってからであった。
筆者らはまず, 文書の同定, クリーニング, 分割を行い, その上で, 一般に公開されているBio+Clinical BERTに基づいて, AD(AD-BERT)のBERTモデルを事前訓練した。
AD-BERTにより処理された患者のメモのすべての部分の埋め込みをMaxPoolingと組み合わせて、MCI-AD進行の確率を計算した。
同時期にWeill Cornell Medicine (WCM) で診断された2563人のMCI患者を対象に, 同様の実験を行った。
結果:AD-BERTモデルと7つのベースラインモデルを比較し,エリアアンダーの動作特性であるCurve(AUC)は0.8170,F1はNMEDWデータセットで0.4178,AUCは0.8830,F1は0.6836であった。
結論: BERTモデルを用いた深層学習フレームワークを開発し, 臨床ノート分析によるMCI-AD進行予測に有効なソリューションを提供する。
関連論文リスト
- CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。
CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。
次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
論文 参考訳（メタデータ） (2024-11-10T02:40:06Z) - 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) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - HiMAL: A Multimodal Hierarchical Multi-task Auxiliary Learning framework for predicting and explaining Alzheimer disease progression [0.0]
HiMAL (Hierarchical, Multi-task Auxiliary Learning) フレームワークを開発した。
軽度認知障害からアルツハイマー病への移行の経時的リスクを推定する補助的タスクとして認知複合機能を予測する。
論文 参考訳（メタデータ） (2024-04-04T05:30:03Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Clinical Deterioration Prediction in Brazilian Hospitals Based on
Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる
XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文 参考訳（メタデータ） (2022-12-17T23:29:14Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Cross-Cohort Generalizability of Deep and Conventional Machine Learning
for MRI-based Diagnosis and Prediction of Alzheimer's Disease [3.651988141747362]
本研究は, 軽度認知障害者(MCI)における, MRIによるアルツハイマー病(AD)患者の分類とCN(CN)の外部データセットへの適応とADへの転換予測の一般化性を検証するものである。
従来のSVM(Support vector Machine)とCNN(Deep Convolutional Neural Network)のアプローチを用いて,最小限の事前検証あるいはより広範な事前検証を行った構造的MRIスキャンを行った。
論文 参考訳（メタデータ） (2020-12-16T07:09:30Z) - All Data Inclusive, Deep Learning Models to Predict Critical Events in
the Medical Information Mart for Intensive Care III Database (MIMIC III) [0.0]
本研究は35,348人を対象に42,818人の入院患者を対象に行った。
複数のデータソースにわたる7500万以上のイベントが処理され、3億5500万以上のトークンが処理された。
すべてのデータソースを使用して構築されたモデルから、はるかに信頼性が高く、信頼性の高いホスピタル死亡を予測できる。
論文 参考訳（メタデータ） (2020-09-02T22:12:18Z) - Predicting Clinical Diagnosis from Patients Electronic Health Records
Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。
本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。
約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文 参考訳（メタデータ） (2020-07-15T09:22:55Z) - Interpretable Machine Learning Model for Early Prediction of Mortality
in Elderly Patients with Multiple Organ Dysfunction Syndrome (MODS): a
Multicenter Retrospective Study and Cross Validation [9.808639780672156]
MODS患者は死亡リスクが高く予後不良である。
本研究は,MODS高齢者の早期死亡予測のための解釈可能・一般化可能なモデルを開発することを目的とする。
論文 参考訳（メタデータ） (2020-01-28T17:15:34Z)
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。