論文の概要: Identification, explanation and clinical evaluation of hospital patient subtypes

• arxiv url: http://arxiv.org/abs/2301.08019v1
• Date: Thu, 19 Jan 2023 11:42:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-20 15:18:49.500469
• Title: Identification, explanation and clinical evaluation of hospital patient subtypes
• Title（参考訳）: 病院患者サブタイプの同定・説明・臨床評価
• Authors: Enrico Werner, Jeffrey N. Clark, Ranjeet S. Bhamber, Michael Ambler, Christopher P. Bourdeaux, Alexander Hepburn, Christopher J. McWilliams, Raul Santos-Rodriguez
• Abstract要約: 本研究は、2017年から2021年にかけて、英国にある大病院で入院した入院患者のサブタイプを特定するために、教師なしの機械学習技術を用いたパイプラインを提案する。 最先端の説明可能性技術を用いることで、特定されたサブタイプを解釈し、臨床的な意味を付与する。 同時に、臨床医は臨床知識の文脈において、特定された患者サブタイプのクラスタ内類似度とクラスタ間差異を評価した。
• 参考スコア（独自算出の注目度）: 50.591267188664666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a pipeline in which unsupervised machine learning techniques are used to automatically identify subtypes of hospital patients admitted between 2017 and 2021 in a large UK teaching hospital. With the use of state-of-the-art explainability techniques, the identified subtypes are interpreted and assigned clinical meaning. In parallel, clinicians assessed intra-cluster similarities and inter-cluster differences of the identified patient subtypes within the context of their clinical knowledge. By confronting the outputs of both automatic and clinician-based explanations, we aim to highlight the mutual benefit of combining machine learning techniques with clinical expertise.
• Abstract（参考訳）: 本報告では,2017年から2021年にかけての英国大病院における入院患者のサブタイプを,教師なしの機械学習技術を用いて自動的に同定するパイプラインを提案する。 最先端の解説技術を用いることで、特定されたサブタイプを解釈し、臨床意味を割り当てる。 同時に、臨床医は臨床知識の文脈において、特定された患者サブタイプのクラスタ内類似度とクラスタ間差異を評価した。 自動的・臨床的説明のアウトプットに直面することにより,機械学習技術と臨床専門知識を組み合わせることによる相互利益を明らかにすることを目的とする。

関連論文リスト

• Named Clinical Entity Recognition Benchmark [2.9332007863461893]
  本報告では, 名前付き臨床エンティティ認識ベンチマークを紹介する。 臨床物語から構造化された情報を抽出する重要な自然言語処理(NLP)タスクに対処する。 リーダーボードは多様な言語モデルを評価するための標準化されたプラットフォームを提供する。
  論文  参考訳（メタデータ） (2024-10-07T14:00:18Z)
• How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation [6.547981908229007]
  深層学習を用いた時系列計算のための新しい分類フレームワークを提案する。 文献における概念的ギャップと既存のレビューを識別することにより、ニューラル・インパテーション・フレームワークの帰納的バイアスに基づく分類法を考案する。
  論文  参考訳（メタデータ） (2024-07-11T12:33:28Z)
• A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
  本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。 統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
  論文  参考訳（メタデータ） (2023-06-01T16:23:47Z)
• This Patient Looks Like That Patient: Prototypical Networks for Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
  臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。 本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。 利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-16T10:12:07Z)
• Trustworthy Visual Analytics in Clinical Gait Analysis: A Case Study for Patients with Cerebral Palsy [43.55994393060723]
  gaitXplorerは、CP関連歩行パターンの分類のための視覚分析手法である。 Grad-CAMは、機械学習の分類の説明のために、よく確立された説明可能な人工知能アルゴリズムである。
  論文  参考訳（メタデータ） (2022-08-10T09:21:28Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• Classifying Cyber-Risky Clinical Notes by Employing Natural Language Processing [9.77063694539068]
  近年、アメリカ合衆国内の一部の州では、患者が臨床ノートに自由にアクセスできるように求めている。 本研究は,臨床ノートにおけるセキュリティ・プライバシリスクの特定方法について検討する。
  論文  参考訳（メタデータ） (2022-03-24T00:36:59Z)
• Enriching Unsupervised User Embedding via Medical Concepts [51.17532619610099]
  教師なしのユーザ埋め込みは、患者を人間の監督なしに、固定長のベクターにエンコードすることを目的としている。 臨床ノートから抽出された医療概念は、患者とその臨床カテゴリ間の豊富な関係を含んでいる。 本稿では,2つの臨床コーパスからテキスト文書と医療概念を共同で活用する,非教師なしユーザ埋め込みを提案する。
  論文  参考訳（メタデータ） (2022-03-20T18:54:05Z)
• An NLP Solution to Foster the Use of Information in Electronic Health Records for Efficiency in Decision-Making in Hospital Care [0.26340862968426904]
  このプロジェクトは、ポルトガル語で書かれたフリーテキスト臨床記録内の属性を自動的に識別するためのルールを定義し、技術的ソリューションを開発することを目的としている。 プロジェクトの目標は、臨床医、疫学者、計算言語学者、機械学習研究者、ソフトウェアエンジニアを含む複数の学際的なチームによって達成された。
  論文  参考訳（メタデータ） (2022-02-24T15:52:59Z)

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。