論文の概要: Patient Dropout Prediction in Virtual Health: A Multimodal Dynamic
Knowledge Graph and Text Mining Approach
- arxiv url: http://arxiv.org/abs/2306.03833v2
- Date: Wed, 7 Jun 2023 14:36:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 10:47:24.223667
- Title: Patient Dropout Prediction in Virtual Health: A Multimodal Dynamic
Knowledge Graph and Text Mining Approach
- Title（参考訳）: 仮想健康における患者のドロップアウト予測:マルチモーダルな動的知識グラフとテキストマイニングアプローチ
- Authors: Shuang Geng, Wenli Zhang, Jiaheng Xie, Gemin Liang, Ben Niu
- Abstract要約: 患者退院のタイムリーな予測により、ステークホルダーは患者の懸念に対処するための前向きなステップを踏むことができる。
マルチモーダルな動的知識駆動型ドロップアウト予測フレームワークを提案する。
MDKDPは中国最大のバーチャルヘルスプラットフォームの一つである。
- 参考スコア（独自算出の注目度）: 2.693372481747829
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Virtual health has been acclaimed as a transformative force in healthcare
delivery. Yet, its dropout issue is critical that leads to poor health
outcomes, increased health, societal, and economic costs. Timely prediction of
patient dropout enables stakeholders to take proactive steps to address
patients' concerns, potentially improving retention rates. In virtual health,
the information asymmetries inherent in its delivery format, between different
stakeholders, and across different healthcare delivery systems hinder the
performance of existing predictive methods. To resolve those information
asymmetries, we propose a Multimodal Dynamic Knowledge-driven Dropout
Prediction (MDKDP) framework that learns implicit and explicit knowledge from
doctor-patient dialogues and the dynamic and complex networks of various
stakeholders in both online and offline healthcare delivery systems. We
evaluate MDKDP by partnering with one of the largest virtual health platforms
in China. MDKDP improves the F1-score by 3.26 percentage points relative to the
best benchmark. Comprehensive robustness analyses show that integrating
stakeholder attributes, knowledge dynamics, and compact bilinear pooling
significantly improves the performance. Our work provides significant
implications for healthcare IT by revealing the value of mining relations and
knowledge across different service modalities. Practically, MDKDP offers a
novel design artifact for virtual health platforms in patient dropout
management.
- Abstract（参考訳）: バーチャルヘルスは、医療提供における変革的な力として称賛されている。
しかし、その脱落問題は、健康状態の悪化、健康、社会的、経済的コストの増大に繋がる重要な問題である。
患者ドロップアウトのタイムリーな予測は、ステークホルダーが患者の懸念に対処するための積極的なステップを採り、保持率を向上する可能性がある。
仮想健康では、情報の非対称性は、その配信形式、異なる利害関係者間、および異なる医療提供システム間で内在し、既存の予測方法のパフォーマンスを阻害する。
本稿では,医師と患者の対話から暗黙的かつ明示的な知識と,オンラインおよびオフラインの医療提供システムにおける様々な利害関係者の動的かつ複雑なネットワークを学習するMDKDP(Multimodal Dynamic Knowledge-driven Dropout Prediction)フレームワークを提案する。
我々は,中国最大のバーチャルヘルスプラットフォームであるmdkdpと提携して,mdkdpを評価する。
MDKDPは最高のベンチマークに対してF1スコアを3.26ポイント改善する。
包括的ロバストネス解析により,利害関係者属性,知識力学,コンパクトな双線形プールの統合により,性能が著しく向上することが示された。
我々の研究は、異なるサービスモダリティにおけるマイニングと知識の価値を明らかにすることで、医療ITに重大な影響を与える。
MDKDPは、患者のドロップアウト管理において、バーチャルヘルスプラットフォームのための新しいデザインアーティファクトを提供する。
関連論文リスト
- Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。
提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
論文 参考訳（メタデータ） (2024-10-23T00:31:17Z) - Attention on Personalized Clinical Decision Support System: Federated
Learning Approach [15.642569319806716]
本稿では,統合学習パラダイムの下で訓練・管理された深層学習に基づく臨床意思決定支援システムを提案する。
我々は、患者のプライバシーの安全を保証し、サイバー攻撃のリスクを克服する新しい戦略に焦点を当てる。
論文 参考訳（メタデータ） (2024-01-22T07:24:15Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳（メタデータ） (2024-01-22T03:17:41Z) - Towards Smart Healthcare: Challenges and Opportunities in IoT and ML [0.0]
新型コロナウイルス(COVID-19)のパンデミックや他の健康危機は、世界中の医療サービスを促進する必要性を浮き彫りにした。
この章は、IoTヘルスケアセクターに機械学習メソッドを統合する際に直面するハードルを探求することに焦点を当てている。
現在の研究課題と潜在的な機会を包括的にまとめ、三つのシナリオに分類する。
論文 参考訳（メタデータ） (2023-12-09T10:45:44Z) - Multimodal Federated Learning in Healthcare: a Review [5.983768682145731]
フェデレートラーニング(FL)は、データを統合する必要のない分散メカニズムを提供する。
本稿では,医療分野におけるマルチモーダル・フェデレート・ラーニング(MMFL)の現状について概説する。
最先端のAI技術と、医療アプリケーションにおける患者のデータプライバシの必要性のギャップを埋めることを目指している。
論文 参考訳（メタデータ） (2023-10-14T19:43:06Z) - ENOTO: Improving Offline-to-Online Reinforcement Learning with Q-Ensembles [52.34951901588738]
我々はENsemble-based Offline-To-Online (ENOTO) RLという新しいフレームワークを提案する。
Q-networksの数を増やすことで、オフラインの事前トレーニングとオンラインの微調整を、パフォーマンスを低下させることなくシームレスに橋渡しします。
実験により,ENOTOは既存のオフラインRL手法のトレーニング安定性,学習効率,最終性能を大幅に向上できることが示された。
論文 参考訳（メタデータ） (2023-06-12T05:10:10Z) - Transitioning towards fit-for-purpose Public Health Surveillance Systems [1.345821655503426]
新型コロナウイルス(COVID-19)のパンデミックは、公衆衛生インフラのいくつかの弱点を露呈している。
検査と接触追跡の拡大は、感染した個人を特定し隔離するための鍵となっている。
遠隔医療や仮想相談などのデジタル技術は需要が急増している。
論文 参考訳（メタデータ） (2023-05-26T11:04:41Z) - The Design and Implementation of a National AI Platform for Public
Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。
このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。
AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文 参考訳（メタデータ） (2023-04-24T08:00:02Z) - Privacy-preserving machine learning for healthcare: open challenges and
future perspectives [72.43506759789861]
医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。
プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。
このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
論文 参考訳（メタデータ） (2023-03-27T19:20:51Z) - Retrieving and ranking short medical questions with two stages neural
matching model [3.8020157990268206]
インターネットユーザーの80%が、オンライン上で健康に関する質問をしている。
医学分野における代表的な質問や回答は、医療データマイニングに有用な原資料である。
問合せレベルの医療質問のセマンティックマッチングのための新しい2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-16T07:00:35Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。