論文の概要: Early Prediction of Alzheimers Disease Leveraging Symptom Occurrences
from Longitudinal Electronic Health Records of US Military Veterans
- arxiv url: http://arxiv.org/abs/2307.12369v1
- Date: Sun, 23 Jul 2023 16:38:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 16:32:04.964258
- Title: Early Prediction of Alzheimers Disease Leveraging Symptom Occurrences
from Longitudinal Electronic Health Records of US Military Veterans
- Title（参考訳）: 米軍退役軍人の縦断的電子健康記録からの症状を利用したアルツハイマー病の早期予知
- Authors: Rumeng Li, Xun Wang, Dan Berlowitz, Brian Silver, Wen Hu, Heather
Keating, Raelene Goodwin, Weisong Liu, Honghuang Lin, Hong Yu
- Abstract要約: アルツハイマー病(AD)の早期予測は、時間的介入と治療に不可欠である。
本研究の目的は,AD患者の経時的電子健康記録(EHR)解析に機械学習アプローチを使用することである。
我々は,AD関連キーワードのパネルと,患者の縦 EHR における時間的変化を,4つの機械学習モデルを用いたAD予測の予測因子として使用した。
- 参考スコア（独自算出の注目度）: 19.503355943883648
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early prediction of Alzheimer's disease (AD) is crucial for timely
intervention and treatment. This study aims to use machine learning approaches
to analyze longitudinal electronic health records (EHRs) of patients with AD
and identify signs and symptoms that can predict AD onset earlier. We used a
case-control design with longitudinal EHRs from the U.S. Department of Veterans
Affairs Veterans Health Administration (VHA) from 2004 to 2021. Cases were VHA
patients with AD diagnosed after 1/1/2016 based on ICD-10-CM codes, matched 1:9
with controls by age, sex and clinical utilization with replacement. We used a
panel of AD-related keywords and their occurrences over time in a patient's
longitudinal EHRs as predictors for AD prediction with four machine learning
models. We performed subgroup analyses by age, sex, and race/ethnicity, and
validated the model in a hold-out and "unseen" VHA stations group. Model
discrimination, calibration, and other relevant metrics were reported for
predictions up to ten years before ICD-based diagnosis. The study population
included 16,701 cases and 39,097 matched controls. The average number of
AD-related keywords (e.g., "concentration", "speaking") per year increased
rapidly for cases as diagnosis approached, from around 10 to over 40, while
remaining flat at 10 for controls. The best model achieved high discriminative
accuracy (ROCAUC 0.997) for predictions using data from at least ten years
before ICD-based diagnoses. The model was well-calibrated (Hosmer-Lemeshow
goodness-of-fit p-value = 0.99) and consistent across subgroups of age, sex and
race/ethnicity, except for patients younger than 65 (ROCAUC 0.746). Machine
learning models using AD-related keywords identified from EHR notes can predict
future AD diagnoses, suggesting its potential use for identifying AD risk using
EHR notes, offering an affordable way for early screening on large population.
- Abstract（参考訳）: アルツハイマー病(AD)の早期予測は、時間的介入と治療に不可欠である。
本研究は,ad患者の縦断的電子健康記録(ehrs)を分析し,早期に発症を予測できる徴候や症状を識別するために,機械学習を用いて行う。
2004年から2021年まで、米国退役軍人健康管理局(VHA)の縦型EHRを用いたケースコントロール設計を行った。
ICD-10-CMコードに基づいて1/1/2016後にADと診断されたVHA患者は、年齢、性別、臨床利用の順に1:9と一致した。
我々は,AD関連キーワードのパネルと,患者の縦 EHR における時間的変化を,4つの機械学習モデルを用いたAD予測の予測因子として使用した。
年齢・性別・人種・民族によるサブグループ分析を行い, ホールドアウトおよび「見えない」VHA局群でモデルを検証した。
モデル判別,キャリブレーション,その他の関連する指標は,ICDによる診断の最大10年前に報告された。
調査対象者は16,701例,39,097例であった。
診断が近づいた症例では、広告関連キーワード(例えば「集中」や「話し」)の平均数が10から40以上と急速に増加し、一方、コントロールについては10以上にとどまった。
最良のモデルは、ICDベースの診断より10年以上前のデータを用いた予測において高い判別精度(ROCAUC 0.997)を達成した。
このモデルは、65歳未満の患者(rocauc 0.746)を除いて、年齢、性別、人種/民族のサブグループ間で一貫性がある(hosmer-lemeshow goodness-of-fit p-value = 0.99)。
EHRノートから同定されたAD関連キーワードを用いた機械学習モデルは、将来のAD診断を予測することができる。
関連論文リスト
- Assessing the significance of longitudinal data in Alzheimer's Disease forecasting [7.72135261611709]
我々は、アルツハイマー病(AD)の進行を予測するための縦断的患者データの重要性を特徴付けるために、トランスフォーマーエンコーダモデルを用いている。
アルツハイマー病の縦断予測モデル (LongForMAD) は, 患者訪問の順序に埋め込まれた包括的時間的情報を活用する。
本研究は,ADの早期検出とモニタリングを促進するため,臨床環境における経時的データの導入を支援する。
論文 参考訳（メタデータ） (2024-05-27T16:55:48Z) - 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) - Adapting Machine Learning Diagnostic Models to New Populations Using a Small Amount of Data: Results from Clinical Neuroscience [21.420302408947194]
我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。
本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
論文 参考訳（メタデータ） (2023-08-06T18:05:39Z) - Evaluate underdiagnosis and overdiagnosis bias of deep learning model on
primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。
深層学習は眼底画像を用いたPOAGの検出に広く用いられている。
臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
論文 参考訳（メタデータ） (2023-01-26T18:53:09Z) - Clinical Deterioration Prediction in Brazilian Hospitals Based on
Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる
XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文 参考訳（メタデータ） (2022-12-17T23:29:14Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳（メタデータ） (2022-06-28T05:09:01Z) - Temporal Subtyping of Alzheimer's Disease Using Medical Conditions
Preceding Alzheimer's Disease Onset in Electronic Health Records [8.617646404920249]
アルツハイマー病(AD)の亜型は、診断、治療、予後、疾患管理を容易にする。
この研究は、ADの早期発見とパーソナライズされた治療、およびADの臨床試験におけるデータ駆動型汎用性評価を促進する可能性がある。
論文 参考訳（メタデータ） (2022-02-22T15:53:59Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - Machine Learning for Health: Personalized Models for Forecasting of
Alzheimer Disease Progression [0.0]
目的は、臨床試験データからアルツハイマー病(AD)の進行をパーソナライズするパーソナライズされた予測のために、現代の機械学習モデルを最適化することである。
プロジェクトの目標は、参加者の認知的変化のパーソナライズされた予測を実行するために使用できる機械学習モデルを開発することである。
論文 参考訳（メタデータ） (2020-08-05T17:33:22Z) - Application of Machine Learning to Predict the Risk of Alzheimer's
Disease: An Accurate and Practical Solution for Early Diagnostics [1.1470070927586016]
アルツハイマー病(AD)は500万人以上のアメリカ人の認知能力を悪化させ、医療システムに多大な負担をかけている。
本稿では,医療画像のない,臨床訪問や検査の少ないAD開発のための機械学習予測モデルを提案する。
本モデルは,2つの顕著な研究結果から,人口統計,バイオマーカー,認知テストデータを用いて訓練し,検証した。
論文 参考訳（メタデータ） (2020-06-02T14:52:51Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳（メタデータ） (2020-02-06T16:39:44Z)
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。