Fugu-MT 論文翻訳(概要): OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis

論文の概要: OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis

arxiv url: http://arxiv.org/abs/2307.00965v1
Date: Mon, 3 Jul 2023 12:35:03 GMT
ステータス: 処理完了
システム内更新日: 2023-07-05 13:07:51.249680
Title: OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis
Title（参考訳）: OpenClinicalAI:アルツハイマー病診断のためのオープンでダイナミックなモデル
Authors: Yunyou Huang, Xiaoshuang Liang, Xiangjiang Lu, Xiuxia Miao, Jiyue Xie, Wenjing Liu, Fan Zhang, Guoxin Kang, Li Ma, Suqin Tang, Zhifei Zhang, Jianfeng Zhan
Abstract要約: アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。 AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
参考スコア（独自算出の注目度）: 11.775648630734949
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Although Alzheimer's disease (AD) cannot be reversed or cured, timely diagnosis can significantly reduce the burden of treatment and care. Current research on AD diagnosis models usually regards the diagnosis task as a typical classification task with two primary assumptions: 1) All target categories are known a priori; 2) The diagnostic strategy for each patient is consistent, that is, the number and type of model input data for each patient are the same. However, real-world clinical settings are open, with complexity and uncertainty in terms of both subjects and the resources of the medical institutions. This means that diagnostic models may encounter unseen disease categories and need to dynamically develop diagnostic strategies based on the subject's specific circumstances and available medical resources. Thus, the AD diagnosis task is tangled and coupled with the diagnosis strategy formulation. To promote the application of diagnostic systems in real-world clinical settings, we propose OpenClinicalAI for direct AD diagnosis in complex and uncertain clinical settings. This is the first powerful end-to-end model to dynamically formulate diagnostic strategies and provide diagnostic results based on the subject's conditions and available medical resources. OpenClinicalAI combines reciprocally coupled deep multiaction reinforcement learning (DMARL) for diagnostic strategy formulation and multicenter meta-learning (MCML) for open-set recognition. The experimental results show that OpenClinicalAI achieves better performance and fewer clinical examinations than the state-of-the-art model. Our method provides an opportunity to embed the AD diagnostic system into the current health care system to cooperate with clinicians to improve current health care.
Abstract（参考訳）: アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。 AD診断モデルに関する最近の研究は、診断タスクを2つの主要な前提を持つ典型的な分類タスクと見なしている。 1) すべての対象カテゴリは,優先権として知られています。 2) 患者毎の診断戦略は一致しており, 患者毎のモデル入力データの数とタイプは同じである。しかし、実際の臨床環境は開放されており、被験者と医療機関のリソースの両面で複雑さと不確実性がある。これは、診断モデルが見えない疾患のカテゴリに遭遇し、被験者の特定の状況と利用可能な医療資源に基づいて診断戦略を動的に開発する必要があることを意味する。これにより、ad診断タスクと診断戦略の定式化とを結合する。臨床現場における診断システムの適用を促進するため,複雑かつ不確実な臨床現場における直接AD診断のためのOpenClinicalAIを提案する。これは、診断戦略を動的に定式化し、被験者の状況と利用可能な医療資源に基づいて診断結果を提供する、最初の強力なエンドツーエンドモデルである。 OpenClinicalAIは、相互結合型ディープマルチアクション強化学習(DMARL)と、オープンセット認識のためのマルチセンターメタラーニング(MCML)を組み合わせる。実験の結果,OpenClinicalAIは最先端モデルよりも成績が良く,臨床検査も少ないことがわかった。本手法は,AD診断システムを現在の医療システムに組み込んで臨床医と協力し,現在の医療を改善する機会を提供する。

関連論文リスト

MSDiagnosis: An EMR-based Dataset for Clinical Multi-Step Diagnosis [9.013608944595312]
我々は多段階診断タスクを提案し、臨床診断データセット(MSDiagnosis)に注釈を付ける。本データセットは、一次診断、鑑別診断、最終診断質問を含む。
論文参考訳（メタデータ） (2024-08-19T14:31:57Z)
medIKAL: Integrating Knowledge Graphs as Assistants of LLMs for Enhanced Clinical Diagnosis on EMRs [13.806201934732321]
medIKALは、診断能力を高めるために、LLM(Large Language Models)と知識グラフ(KG)を組み合わせる。 medIKALは、そのタイプに基づいて医療記録のエンティティに重み付けされた重要性を割り当て、KG内の候補疾患の正確な局在を可能にする。新たに導入した中国のEMRデータセットの広範な実験により,medIKALの有効性を検証した。
論文参考訳（メタデータ） (2024-06-20T13:56:52Z)
Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
論文参考訳（メタデータ） (2024-04-04T06:16:35Z)
Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation for Automatic Diagnosis [30.943705201552643]
本研究では,潜在的な疾患に対するエージェントの確率分布を適応的に融合させることにより,現実世界の診断過程をモデル化する枠組みを提案する。提案手法では,パラメータ更新とトレーニング時間を大幅に短縮し,効率と実用性を向上する。
論文参考訳（メタデータ） (2024-01-29T12:25:30Z)
A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。診断過程を概説する決定論的アプローチに基づいている。機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文参考訳（メタデータ） (2023-11-26T14:42:31Z)
OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's Disease Diagnosis [9.316162293112738]
本稿では,アルツハイマー病の診断に対処するために,異常パターンに基づくオープンセット認識モデルOpenAPMaxを提案する。提案手法の性能を最近のオープンセット認識を用いて評価し,その結果を得た。
論文参考訳（メタデータ） (2023-07-03T11:21:09Z)
A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文参考訳（メタデータ） (2023-06-01T16:23:47Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
Anytime Diagnosis for Reconfiguration [52.77024349608834]
我々は、いつでも直接診断できるflexdiagを紹介し分析する。特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
論文参考訳（メタデータ） (2021-02-19T11:45:52Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文参考訳（メタデータ） (2020-04-29T15:02:41Z)

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。