論文の概要: Predicting Cardiovascular Disease Risk using Photoplethysmography and Deep Learning

• arxiv url: http://arxiv.org/abs/2305.05648v1
• Date: Tue, 9 May 2023 17:46:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 11:51:16.402136
• Title: Predicting Cardiovascular Disease Risk using Photoplethysmography and Deep Learning
• Title（参考訳）: photoplethysmography と deep learning を用いた心血管疾患リスクの予測
• Authors: Wei-Hung Weng, Sebastien Baur, Mayank Daswani, Christina Chen, Lauren Harrell, Sujay Kakarmath, Mariam Jabara, Babak Behsaz, Cory Y. McLean, Yossi Matias, Greg S. Corrado, Shravya Shetty, Shruthi Prabhakara, Yun Liu, Goodarz Danaei, Diego Ardila
• Abstract要約: 心血管疾患 (CVD) は、低所得国や中所得国で早期に死亡する原因となっている。 そこで本研究では,ほとんどのスマートフォンで利用可能なセンシング技術であるフォトプレチスモグラフィー(Photoplethysmography)の可能性について検討した。 PPGを用いた深層学習型CVDリスクスコア(DLS)を開発した。
• 参考スコア（独自算出の注目度）: 9.273651488255036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiovascular diseases (CVDs) are responsible for a large proportion of premature deaths in low- and middle-income countries. Early CVD detection and intervention is critical in these populations, yet many existing CVD risk scores require a physical examination or lab measurements, which can be challenging in such health systems due to limited accessibility. Here we investigated the potential to use photoplethysmography (PPG), a sensing technology available on most smartphones that can potentially enable large-scale screening at low cost, for CVD risk prediction. We developed a deep learning PPG-based CVD risk score (DLS) to predict the probability of having major adverse cardiovascular events (MACE: non-fatal myocardial infarction, stroke, and cardiovascular death) within ten years, given only age, sex, smoking status and PPG as predictors. We compared the DLS with the office-based refit-WHO score, which adopts the shared predictors from WHO and Globorisk scores (age, sex, smoking status, height, weight and systolic blood pressure) but refitted on the UK Biobank (UKB) cohort. In UKB cohort, DLS's C-statistic (71.1%, 95% CI 69.9-72.4) was non-inferior to office-based refit-WHO score (70.9%, 95% CI 69.7-72.2; non-inferiority margin of 2.5%, p<0.01). The calibration of the DLS was satisfactory, with a 1.8% mean absolute calibration error. Adding DLS features to the office-based score increased the C-statistic by 1.0% (95% CI 0.6-1.4). DLS predicts ten-year MACE risk comparable with the office-based refit-WHO score. It provides a proof-of-concept and suggests the potential of a PPG-based approach strategies for community-based primary prevention in resource-limited regions.
• Abstract（参考訳）: 心血管疾患(CVD)は、低所得国や中所得国で早期死亡の頻度が大きい。 初期のCVD検出と介入はこれらの個体群では重要であるが、既存のCVDリスクスコアの多くは身体検査や実験室の測定を必要とするため、アクセス性に制限があるため、このような健康システムでは困難である。 本稿では,大規模スクリーニングを低コストで実現可能なセンサ技術である光胸腺撮影(PPG)を,CVDリスク予測に活用する可能性について検討した。 年齢,性別,喫煙状況,PSGのみを指標として,深層学習型PTGベースのCVDリスクスコア(DLS)を10年以内に,大血管障害(MACE: non-fatal myfarction, stroke, and cardiovascular death)の発生確率を予測する目的で開発した。 DLSをWHOとGloboriskスコア(年齢、性別、喫煙状況、身長、体重、収縮性血圧)の共有予測値を採用したオフィスベースのWHOスコアと比較したが、英国バイオバンク(UKB)コホートで再適合した。 ukbコホートでは、dlsのc-statistic (71.1%, 95% ci 69.9-72.4) はオフィスベースのrefit-whoスコア (70.9%, 95% ci 69.7-72.2, non-inferiority margin: 2.5%, p<0.01) に対する非干渉である。 DLSのキャリブレーションは良好で、1.8%の平均的なキャリブレーション誤差がある。 オフィスベースのスコアにDLS機能を追加すると、C統計は1.0%(95% CI 0.6-1.4)増加した。 DLSは10年間のMACEリスクを、オフィスベースのWHOのスコアと同等に予測している。 これは概念実証を提供し、資源制限地域におけるコミュニティベースのプライマリ防止のためのppgベースのアプローチ戦略の可能性を示唆している。

関連論文リスト

• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• New spectral imaging biomarkers for sepsis and mortality in intensive care [0.23592579902069336]
  本研究の推進的仮説は、高スペクトルイメージング(HSI)が敗血症診断および治療管理のための新しいバイオマーカーを提供することができるというものであった。 集中治療室入院当日480名以上の患者の手のひらと指のHSIデータを総合的に調査した。
  論文  参考訳（メタデータ） (2024-08-19T10:24:57Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• 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)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Machine learning predicts long-term mortality after acute myocardial infarction using systolic time intervals and routinely collected clinical data [0.35998666903987897]
  樹齢14年以内の死亡率を予測するため,木に基づくMLアルゴリズムの性能について検討した。 機能セットにbPEPとbETを追加することで,アルゴリズムの性能が大幅に向上した。 この進歩は、リスクの高い個人に対してより良い治療優先順位付けを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-03-03T15:23:49Z)
• 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)
• Development of an accessible 10-year Digital CArdioVAscular (DiCAVA) risk assessment: a UK Biobank study [0.46180371154032895]
  目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。 第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
  論文  参考訳（メタデータ） (2021-04-20T16:01:50Z)
• Predicting cardiovascular risk from national administrative databases using a combined survival analysis and deep learning approach [0.3463527836552467]
  本研究では,従来のコックス比例ハザードモデル(CPH)を用いた生存分析モデルのディープラーニング拡張性能の比較を行った。 深層学習モデルは、説明された時間対イベントの発生率に基づいてCPHモデルよりも有意に優れていた。 深層学習モデルは、解釈可能なCVDリスク予測方程式を導出するために、大規模な健康管理データベースに適用することができる。
  論文  参考訳（メタデータ） (2020-11-28T00:10:25Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。