論文の概要: Using Machine Learning to Develop Smart Reflex Testing Protocols
- arxiv url: http://arxiv.org/abs/2302.00794v1
- Date: Wed, 1 Feb 2023 22:58:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 16:00:16.052824
- Title: Using Machine Learning to Develop Smart Reflex Testing Protocols
- Title（参考訳）: 機械学習を使ってスマート反射テストプロトコルを開発する
- Authors: Matthew McDermott, Anand Dighe, Peter Szolovits, Yuan Luo, Jason Baron
- Abstract要約: 我々は「スマート」反射テストのための機械学習ベースの代替手法を提案する。
我々は、CBC検査を受ける患者がフェリチン検査を受注するかどうかを予測する機械学習モデルを開発した。
本モデルは, フェリチン試験順序予測において適度に良好に機能し, 規則に基づくアプローチよりも反射試験に適していることを示した。
- 参考スコア（独自算出の注目度）: 12.468008540052868
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: Reflex testing protocols allow clinical laboratories to perform
second line diagnostic tests on existing specimens based on the results of
initially ordered tests. Reflex testing can support optimal clinical laboratory
test ordering and diagnosis. In current clinical practice, reflex testing
typically relies on simple "if-then" rules; however, this limits their scope
since most test ordering decisions involve more complexity than a simple rule
will allow. Here, using the analyte ferritin as an example, we propose an
alternative machine learning-based approach to "smart" reflex testing with a
wider scope and greater impact than traditional rule-based approaches. Methods:
Using patient data, we developed a machine learning model to predict whether a
patient getting CBC testing will also have ferritin testing ordered, consider
applications of this model to "smart" reflex testing, and evaluate the model by
comparing its performance to possible rule-based approaches. Results: Our
underlying machine learning models performed moderately well in predicting
ferritin test ordering and demonstrated greater suitability to reflex testing
than rule-based approaches. Using chart review, we demonstrate that our model
may improve ferritin test ordering. Finally, as a secondary goal, we
demonstrate that ferritin test results are missing not at random (MNAR), a
finding with implications for unbiased imputation of missing test results.
Conclusions: Machine learning may provide a foundation for new types of reflex
testing with enhanced benefits for clinical diagnosis and laboratory
utilization management.
- Abstract（参考訳）: 目的:反射検査プロトコルにより、臨床検査所は既存の検体について、初期注文試験の結果に基づいて第二線診断を行うことができる。
反射テストは、最適な臨床検査の順序付けと診断をサポートする。
現在の臨床実践では、反射テストは一般的に単純な"if-then"ルールに依存しているが、ほとんどのテスト順序付けの決定には単純なルール以上の複雑さが伴うため、スコープが制限される。
本稿では,analyte ferritinを例に,従来のルールベースアプローチよりも広い範囲と大きな影響を持つ,スマートな反射テストに対する機械学習ベースのアプローチを提案する。
方法: 患者データを用いて, cbcテストを受ける患者がフェリチンテストも順序づけられるかどうかを予測し, このモデルの「スマート」反射テストへの応用を検討し, その性能を可能なルールベースアプローチと比較することで評価する機械学習モデルを開発した。
結果: 基礎となる機械学習モデルはフェリチンテストの順序予測に適度に成功し, 規則ベースのアプローチよりも反射テストに適していた。
チャートレビューを用いて,本モデルがフェリチン試験順序を改善することを実証した。
最後に, 2次目標として, フェリチン試験結果が無作為性(MNAR)に欠けていないことを示す。
結論: 機械学習は、臨床診断と臨床利用管理の強化による新しいタイプの反射検査の基礎を提供する可能性がある。
関連論文リスト
- Context-Aware Testing: A New Paradigm for Model Testing with Large Language Models [49.06068319380296]
我々は,コンテキストを帰納バイアスとして用いて意味のあるモデル障害を探索するコンテキスト認識テスト(CAT)を導入する。
最初のCATシステムSMART Testingをインスタンス化し、大きな言語モデルを用いて、関連性があり、起こりうる失敗を仮説化します。
論文 参考訳（メタデータ） (2024-10-31T15:06:16Z) - Multiple testing for signal-agnostic searches of new physics with machine learning [0.0]
複数のテスト戦略を活用することで信号に依存しない探索をいかに向上させるかという課題を考察する。
我々は,信号に依存しない確率比検定を行う手法であるニュー物理学習機械に着目した。
論文 参考訳（メタデータ） (2024-08-22T11:14:37Z) - Provably Neural Active Learning Succeeds via Prioritizing Perplexing Samples [53.95282502030541]
ニューラルネットワークベースのアクティブラーニング(NAL)は、ニューラルネットワークを使用してサンプルの小さなサブセットを選択してトレーニングする、費用対効果の高いデータ選択技術である。
我々は、機能学習の観点から、両方のクエリ基準ベースのNALの成功について、統一的な説明を提供することにより、一歩前進させようとする。
論文 参考訳（メタデータ） (2024-06-06T10:38:01Z) - Deep anytime-valid hypothesis testing [29.273915933729057]
非パラメトリックなテスト問題に対する強力なシーケンシャルな仮説テストを構築するための一般的なフレームワークを提案する。
テスト・バイ・ベッティング・フレームワーク内で、機械学習モデルの表現能力を活用するための原則的なアプローチを開発する。
合成および実世界のデータセットに関する実証的な結果は、我々の一般的なフレームワークを用いてインスタンス化されたテストが、特殊なベースラインと競合することを示している。
論文 参考訳（メタデータ） (2023-10-30T09:46:19Z) - Robustness Stress Testing in Medical Image Classification [26.094688963784254]
我々はストレステストを用いて、疾患検出モデルにおけるモデルロバスト性およびサブグループパフォーマンスの相違を評価する。
胸部X線画像と皮膚病変画像に対する疾患検出モデルのロバスト性の測定にストレステストを適用した。
我々の実験は、いくつかのモデルが他のモデルよりもより堅牢で公平な性能が得られることを示唆している。
論文 参考訳（メタデータ） (2023-08-14T02:02:56Z) - 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) - Model-Free Sequential Testing for Conditional Independence via Testing
by Betting [8.293345261434943]
提案されたテストでは、任意の依存関係構造を持つ入ってくるi.d.データストリームを分析できる。
重要な結果が検出されれば,オンライン上でのデータポイントの処理を可能とし,データ取得を停止する。
論文 参考訳（メタデータ） (2022-10-01T20:05:33Z) - Learning to Increase the Power of Conditional Randomization Tests [8.883733362171032]
モデル-X条件ランダム化テストは、条件独立性テストのための一般的なフレームワークである。
本稿では,モデルXテストのパワー向上を目的とした新しいモデル適合方式を提案する。
論文 参考訳（メタデータ） (2022-07-03T12:29:25Z) - Predictive machine learning for prescriptive applications: a coupled
training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。
このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。
合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文 参考訳（メタデータ） (2021-10-22T15:03:20Z) - 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) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳（メタデータ） (2020-04-26T23:41:33Z)
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。