論文の概要: Harnessing Digital Pathology And Causal Learning To Improve Eosinophilic Esophagitis Dietary Treatment Assignment

• arxiv url: http://arxiv.org/abs/2304.07787v1
• Date: Sun, 16 Apr 2023 14:05:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 17:20:33.786229
• Title: Harnessing Digital Pathology And Causal Learning To Improve Eosinophilic Esophagitis Dietary Treatment Assignment
• Title（参考訳）: デジタル病理と因果学習による好酸球性食道炎の治療課題の改善
• Authors: Eliel Aknin, Ariel Larey, Julie M. Caldwell, Margaret H. Collins, Juan P. Abonia, Seema S. Aceves, Nicoleta C. Arva, Mirna Chehade, Evan S. Dellon, Nirmala Gonsalves, Sandeep K. Gupta, John Leung, Kathryn A. Peterson, Tetsuo Shoda, Jonathan M. Spergel, Marc E. Rothenberg, Yonatan Savir
• Abstract要約: 好酸球性食道炎(英: Eosinophilic Esophagitis, EoE)は、食道の慢性、食品抗原によるアレルギー性炎症である。 EoEの診断は、組織学的スライドにおける好酸球の数え方に依存する。 この豊富なデータを処理できる因果学習モデルを開発する。
• 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: Eosinophilic esophagitis (EoE) is a chronic, food antigen-driven, allergic inflammatory condition of the esophagus associated with elevated esophageal eosinophils. EoE is a top cause of chronic dysphagia after GERD. Diagnosis of EoE relies on counting eosinophils in histological slides, a manual and time-consuming task that limits the ability to extract complex patient-dependent features. The treatment of EoE includes medication and food elimination. A personalized food elimination plan is crucial for engagement and efficiency, but previous attempts failed to produce significant results. In this work, on the one hand, we utilize AI for inferring histological features from the entire biopsy slide, features that cannot be extracted manually. On the other hand, we develop causal learning models that can process this wealth of data. We applied our approach to the 'Six-Food vs. One-Food Eosinophilic Esophagitis Diet Study', where 112 symptomatic adults aged 18-60 years with active EoE were assigned to either a six-food elimination diet (6FED) or a one-food elimination diet (1FED) for six weeks. Our results show that the average treatment effect (ATE) of the 6FED treatment compared with the 1FED treatment is not significant, that is, neither diet was superior to the other. We examined several causal models and show that the best treatment strategy was obtained using T-learner with two XGBoost modules. While 1FED only and 6FED only provide improvement for 35%-38% of the patients, which is not significantly different from a random treatment assignment, our causal model yields a significantly better improvement rate of 58.4%. This study illustrates the significance of AI in enhancing treatment planning by analyzing molecular features' distribution in histological slides through causal learning. Our approach can be harnessed for other conditions that rely on histology for diagnosis and treatment.
• Abstract（参考訳）: 好酸球性食道炎 (EoE) は食道過敏症に合併した食道の慢性, 食品抗原によるアレルギー性炎症である。 EoEはGERD後の慢性摂食障害の主要な原因である。 eoeの診断は、複雑な患者依存の特徴を抽出する能力を制限する手作業と時間を要する作業である組織学的スライドにおける好酸球の数え上げに依存する。 EoEの治療には、医薬品及び食品の除去が含まれる。 パーソナライズされた食品除去計画はエンゲージメントと効率にとって不可欠であるが、以前の試みでは大きな成果を上げられなかった。 本研究では,aiを用いて生検スライド全体から組織学的特徴を推定し,手作業では抽出できない特徴を抽出した。 一方,我々は,この豊富なデータを処理できる因果学習モデルを開発した。 本研究は,18～60歳の症状のある成人112名を対象に,6食品除去食 (6FED) または1食品除去食 (1FED) を6週間投与した「Six-Food vs. One-Food Eosinophilic Esophagitis Diet Study」に適用した。 以上の結果から,6FED治療の平均治療効果(ATE)は1FED治療に比べ有意な差はなく,食事効果が優れていなかった。 2つのxgboostモジュールを持つt-learnerを用いて,いくつかの因果モデルを検討した結果,最善の処理戦略が得られた。 1FEDと6FEDは35%-38%の改善しか得られず、これはランダムな治療課題と大きく異なるものではないが、我々の因果モデルでは58.4%の改善率が有意に向上した。 本研究は、組織学的スライドにおける分子の特徴分布を因果学習を通して解析することにより、治療計画の強化におけるAIの重要性を述べる。 我々のアプローチは、診断と治療に組織学に依存している他の条件に利用できる。

関連論文リスト

• Cross-organ Deployment of EOS Detection AI without Retraining: Feasibility and Limitation [6.200516824977507]
  慢性鼻副鼻腔炎(CRS)は副鼻腔の炎症が持続していることが特徴である。 粘膜免疫応答において重要な要素であるEosは、CRSの重症度と関係している。 好酸球性CRSの診断は、典型的にはHPF当たり10-20 eosの閾値を用いる。
  論文  参考訳（メタデータ） (2024-11-24T18:01:13Z)
• ADformer: A Multi-Granularity Transformer for EEG-Based Alzheimer's Disease Assessment [42.72554952799386]
  本稿では、時間的・空間的特徴を捉えて効果的な脳波表現を学習するための新しい多粒度変換器Adformerを提案する。 被験者依存,主観非依存,離脱対象外を含む5つのデータセットを対象に,合計525人の被験者を対象に実験を行った。 以上の結果から,ADformerは既存の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-17T14:10:41Z)
• KG-TREAT: Pre-training for Treatment Effect Estimation by Synergizing Patient Data with Knowledge Graphs [46.24838619931438]
  KG-TREATは、バイオメディカル知識グラフを用いて、大規模観察患者データを相乗化して、治療効果の推定を強化する。 KG-TREATは、患者のデータとKGの徹底的な基盤化とコンテキスト化を確保するために、2つの事前訓練タスクを組み込んでいる。 4つの下流TEEタスクの評価は、既存の方法よりもKG-TREATの方が優れており、ROC曲線(AUC)下の領域では平均7%、影響に基づく不均一効果推定精度(IF-PEHE)は9%向上している。
  論文  参考訳（メタデータ） (2024-03-06T15:37:22Z)
• Efficiently Predicting Protein Stability Changes Upon Single-point Mutation with Large Language Models [51.57843608615827]
  タンパク質の熱安定性を正確に予測する能力は、様々なサブフィールドや生化学への応用において重要である。 タンパク質配列と構造的特徴を統合したESMによる効率的なアプローチを導入し, 単一点突然変異によるタンパク質の熱安定性変化を予測する。
  論文  参考訳（メタデータ） (2023-12-07T03:25:49Z)
• Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis [6.004809895258927]
  好酸球性食道炎(英: Eosinophilic Esophagitis, EoE)は、慢性・免疫・抗原性食道疾患である。 我々はオープンソースのツールキットOpen-EoEを開発し、Docker経由で1行のコマンドを使用して、エンドツーエンドのスライドイメージ(WSI)レベル(Eos)を検出する。
  論文  参考訳（メタデータ） (2023-08-11T18:18:43Z)
• Harnessing Artificial Intelligence to Infer Novel Spatial Biomarkers for the Diagnosis of Eosinophilic Esophagitis [0.0]
  好酸球性食道炎 (EoE) は食道過敏症に合併した慢性アレルギー性食道炎の1例である。 食道生検では食道好酸球の密度を計る必要がある。 そこで我々は,無傷好酸球のセマンティックセグメンテーションと基底領域分布に基づいてバイオマーカーを推論する人工知能プラットフォームを開発した。
  論文  参考訳（メタデータ） (2022-05-26T18:59:47Z)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• PECNet: A Deep Multi-Label Segmentation Network for Eosinophilic Esophagitis Biopsy Diagnostics [0.0]
  好酸球性食道炎 (EoE) は好酸球増加を伴う食道のアレルギー性炎症性疾患である。 ここでは,機械学習を用いてeoeを識別,定量化し,診断することを目的とした。 PECNet は無傷好酸球を平均絶対誤差 0.611 で定量し、EoE 病活性を98.5% の精度で分類することができた。
  論文  参考訳（メタデータ） (2021-03-02T20:37:57Z)
• Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision [0.7915536524413249]
  好酸球性食道炎(英: eosinophilic esophagitis, eoe)は炎症性食道疾患である。 深部画像分割を用いた好酸球の自動定量手法を提案する。 U-Netモデルと後処理システムを適用して、EoEを診断し、疾患の重症度と進行を記述できる好酸球に基づく統計データを生成する。
  論文  参考訳（メタデータ） (2021-01-13T20:01:48Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。