論文の概要: Precision psychiatry: predicting predictability

• arxiv url: http://arxiv.org/abs/2306.12462v1
• Date: Wed, 21 Jun 2023 13:10:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-23 16:43:44.887331
• Title: Precision psychiatry: predicting predictability
• Title（参考訳）: 精密精神医学 : 予測可能性
• Authors: Edwin van Dellen
• Abstract要約: 私は精密精神医学の分野での10の課題をレビューします。 現実の人口と現実的な臨床結果の定義についての研究が必要である。 プラセボ効果や処方薬の非順守などの治療関連因子について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precision psychiatry is an ermerging field that aims to provide individualized approaches to mental health care. Multivariate analysis and machine learning are used to create outcome prediction models based on clinical data such as demographics, symptom assessments, genetic information, and brain imaging. While much emphasis has been placed on technical innovation, the complex and varied nature of mental health presents significant challenges to the successful implementation of these models. From this perspective, I review ten challenges in the field of precision psychiatry, including the need for studies on real-world populations and realistic clinical outcome definitions, consideration of treatment-related factors such as placebo effects and non-adherence to prescriptions. Fairness, prospective validation in comparison to current practice and implementation studies of prediction models are other key issues that are currently understudied. A shift is proposed from retrospective studies based on linear and static concepts of disease towards prospective research that considers the importance of contextual factors and the dynamic and complex nature of mental health.
• Abstract（参考訳）: 精密精神医学(precision psychiatry)は、精神医療に個別のアプローチを提供することを目的とした、新興分野である。 多変量解析と機械学習は、人口統計、症状評価、遺伝情報、脳画像などの臨床データに基づく結果予測モデルを作成するために用いられる。 技術革新に多くの重点が置かれているが、メンタルヘルスの複雑で多様な性質は、これらのモデルの実装の成功に重大な課題をもたらす。 この観点から、実社会の人口調査や現実的な臨床結果定義の必要性、プラセボ効果などの治療関連要因の考察、処方薬の順守など、精密精神医学の分野における10の課題を概観する。 公正さ、現在の実践との比較、予測モデルの実装研究は、現在検討されている他の重要な問題である。 病気の線形および静的概念に基づくふりかえり研究から、文脈的要因の重要性と精神健康の動的かつ複雑な性質を考慮した将来の研究へのシフトが提案されている。

関連論文リスト

• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• Counterfactual Explanations and Predictive Models to Enhance Clinical Decision-Making in Schizophrenia using Digital Phenotyping [0.966840768820136]
  統合失調症患者の症状の個人的変化を予測・検出・説明できる機械学習システムを提案する。 このシステムは、変更点アルゴリズムを用いて症状の減少を検知し、医療におけるシミュレーションされた継続的監視シナリオにおけるリコースとして反ファクト的説明を用いる。
  論文  参考訳（メタデータ） (2023-06-06T19:33:03Z)
• Behavior quantification as the missing link between fields: Tools for digital psychiatry and their role in the future of neurobiology [0.0]
  現在の技術は、行動特性を改善するためのエキサイティングな機会です。 携帯電話のGPSやスマートウォッチの加速度計などの受動的センサーストリームを連続的に収集する新機能は、新しい疑問の道を開く。 理論上、現在の技術で捉えられるものには大きな可能性があるが、それ自体は大きな計算課題である。
  論文  参考訳（メタデータ） (2023-05-24T17:45:10Z)
• Promises and pitfalls of deep neural networks in neuroimaging-based psychiatric research [0.9449650062296824]
  ディープニューラルネットワーク、特に畳み込みニューラルネットワークは、医療画像の強力なツールへと進化してきた。 ここでは、まず、方法論的鍵概念と結果の方法論的約束について紹介する。 神経画像に基づく精神医学研究における最近の応用を振り返り、現在の課題について論じる。
  論文  参考訳（メタデータ） (2023-01-20T12:05:59Z)
• Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
  メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。 本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。 分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
  論文  参考訳（メタデータ） (2022-08-07T02:28:32Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• Computational Mechanism for the Effect of Psychosis Community Treatment: A Conceptual Review from Neurobiology to Social Interaction [0.0]
  従来の計算モデルから、重要で複雑なエビデンスベースの臨床介入への洞察の適用について議論します。 早期精神病とアサーティブ・コミュニティ治療における専門診療所の調整を含む。 この構造と予測可能性は、精神病の感覚情報に与えられる比較的低い精度と直接的に対応していると論じる。
  論文  参考訳（メタデータ） (2021-03-25T15:35:47Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)

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。