論文の概要: Towards Understanding the Survival of Patients with High-Grade
Gastroenteropancreatic Neuroendocrine Neoplasms: An Investigation of Ensemble
Feature Selection in the Prediction of Overall Survival
- arxiv url: http://arxiv.org/abs/2302.10106v1
- Date: Mon, 20 Feb 2023 17:08:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 14:47:10.530955
- Title: Towards Understanding the Survival of Patients with High-Grade
Gastroenteropancreatic Neuroendocrine Neoplasms: An Investigation of Ensemble
Feature Selection in the Prediction of Overall Survival
- Title（参考訳）: 高グレード消化器系神経内分泌腫瘍の生存理解に向けて : 総生存予測におけるエンサンブル特徴選択の検討
- Authors: Anna Jenul, Henning Langen Stokmo, Stefan Schrunner, Mona-Elisabeth
Revheim, Geir Olav Hjortland, Oliver Tomic
- Abstract要約: Ensemble機能セレクタを使えば、サンプルサイズが低いデータセットで、そのような機能を識別できる。
RENTとUBayFSは、機能選択プロセスにおいて、専門家の知識を優先的に統合することができる。
以上の結果から,両機能セレクタが正確な予測を可能にし,専門家の知識が機能セットに安定化効果があることが示唆された。
- 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: Determining the most informative features for predicting the overall survival
of patients diagnosed with high-grade gastroenteropancreatic neuroendocrine
neoplasms is crucial to improve individual treatment plans for patients, as
well as the biological understanding of the disease. Recently developed
ensemble feature selectors like the Repeated Elastic Net Technique for Feature
Selection (RENT) and the User-Guided Bayesian Framework for Feature Selection
(UBayFS) allow the user to identify such features in datasets with low sample
sizes. While RENT is purely data-driven, UBayFS is capable of integrating
expert knowledge a priori in the feature selection process. In this work we
compare both feature selectors on a dataset comprising of 63 patients and 134
features from multiple sources, including basic patient characteristics,
baseline blood values, tumor histology, imaging, and treatment information. Our
experiments involve data-driven and expert-driven setups, as well as
combinations of both. We use findings from clinical literature as a source of
expert knowledge. Our results demonstrate that both feature selectors allow
accurate predictions, and that expert knowledge has a stabilizing effect on the
feature set, while the impact on predictive performance is limited. The
features WHO Performance Status, Albumin, Platelets, Ki-67, Tumor Morphology,
Total MTV, Total TLG, and SUVmax are the most stable and predictive features in
our study.
- Abstract（参考訳）: 上部消化管性神経内分泌腫瘍と診断された患者の生存率を予測するための最も有用な特徴は、患者の個別治療計画の改善、および疾患の生物学的理解に不可欠である。
最近開発されたRepeated Elastic Net Technique for Feature Selection (RENT)やUser-Guided Bayesian Framework for Feature Selection (UBayFS)のようなアンサンブル機能セレクタは、サンプルサイズの低いデータセットでそのような機能を識別することができる。
RENTは純粋にデータ駆動だが、UBayFSは機能選択プロセスに専門家の知識を統合することができる。
本研究は, 基礎疾患の特徴, 基礎血液値, 腫瘍組織学, 画像診断, 治療情報など, 患者63名, 患者134名からなるデータセットにおける特徴セレクタの比較を行った。
私たちの実験には、データ駆動とエキスパート駆動のセットアップ、両方の組み合わせが含まれています。
専門知識の源泉として臨床文献の知見を用いる。
その結果,どちらの機能選択者でも正確な予測が可能であり,専門家の知識が機能セットに安定した影響を与えることが示され,予測性能への影響は限られている。
WHOパフォーマンスステータス,アルブミン,血小板,Ki-67,腫瘍形態,トータルMTV,トータルTLG,SUVmaxは,本研究で最も安定かつ予測的な特徴である。
関連論文リスト
- Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳（メタデータ） (2023-10-28T12:08:03Z) - Unleashing the Power of Extra-Tree Feature Selection and Random Forest
Classifier for Improved Survival Prediction in Heart Failure Patients [0.0]
心臓不全は、世界中の何百万人もの人に影響を及ぼす生命の危険がある状態です。
患者生存を正確に予測できる能力は、早期介入の助けとなり、患者の結果を改善することができる。
論文 参考訳（メタデータ） (2023-08-09T11:47:28Z) - 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) - Clinical BioBERT Hyperparameter Optimization using Genetic Algorithm
Clinical BioBERT Hyperparameter Optimization using Genetic Algorithm [0.15229257192293197]
社会的健康決定因子(Social Determinants of Health, SDoH)は、社会決定因子(Social Determinants of Health, SDoH)と呼ばれる。
SDoHデータの大部分は、医師や開業医による構造化されていない臨床ノートに記録されている。
本研究は,臨床ノートから文章を抽出し,適切な概念を提供する。
論文 参考訳（メタデータ） (2023-02-08T01:11:59Z) - Ensemble feature selection with data-driven thresholding for Alzheimer's
disease biomarker discovery [0.0]
この研究は複数のデータ駆動しきい値を開発し、アンサンブル機能セレクタで関連する特徴を自動的に識別する。
臨床データへのこれらの手法の適用性を実証するため、2つの現実世界のアルツハイマー病(AD)研究のデータに適用した。
論文 参考訳（メタデータ） (2022-07-05T05:50:51Z) - Identifying Stroke Indicators Using Rough Sets [0.7340017786387767]
そこで本研究では,脳卒中検出における各種EMHレコードの重要性をランキングする手法を提案する。
年齢, 平均血糖値, 心疾患, 高血圧が脳卒中検出の最も重要な要因であった。
論文 参考訳（メタデータ） (2021-10-19T06:04:48Z) - 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) - HINT: Hierarchical Interaction Network for Trial Outcome Prediction
Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。
本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文 参考訳（メタデータ） (2021-02-08T15:09:07Z) - RENT -- Repeated Elastic Net Technique for Feature Selection [0.46180371154032895]
特徴選択のための繰り返し弾性ネット技術(RENT)を提案する。
RENTは、弾力性のあるネット正規化を備えた一般化線形モデルのアンサンブルを使用しており、それぞれがトレーニングデータの異なるサブセットに基づいて訓練されている。
RENTは、トレーニング中に予測が難しいデータ内のオブジェクトの識別に関するモデル解釈のための貴重な情報を提供する。
論文 参考訳（メタデータ） (2020-09-27T07:55:52Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z) - 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。