論文の概要: Mathematical Modeling of BCG-based Bladder Cancer Treatment Using
Socio-Demographics
- arxiv url: http://arxiv.org/abs/2307.15084v1
- Date: Wed, 26 Jul 2023 05:54:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 14:50:57.810380
- Title: Mathematical Modeling of BCG-based Bladder Cancer Treatment Using
Socio-Demographics
- Title(参考訳): 社会デモグラフィーを用いたBCGによる膀胱癌治療の数学的モデリング
- Authors: Elizaveta Savchenko, Ariel Rosenfeld, Svetlana Bunimovich-Mendrazitsky
- Abstract要約: 膀胱癌は、すべての個人に影響を及ぼす最も一般的ながんの1つである。
BCの現在の標準治療は、定期的なBacillus Calmette-Guerin(BCG)免疫療法ベースの治療プロトコルに従っている。
- 参考スコア(独自算出の注目度): 5.874094804342782
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Cancer is one of the most widespread diseases around the world with millions
of new patients each year. Bladder cancer is one of the most prevalent types of
cancer affecting all individuals alike with no obvious prototypical patient.
The current standard treatment for BC follows a routine weekly Bacillus
Calmette-Guerin (BCG) immunotherapy-based therapy protocol which is applied to
all patients alike. The clinical outcomes associated with BCG treatment vary
significantly among patients due to the biological and clinical complexity of
the interaction between the immune system, treatments, and cancer cells. In
this study, we take advantage of the patient's socio-demographics to offer a
personalized mathematical model that describes the clinical dynamics associated
with BCG-based treatment. To this end, we adopt a well-established BCG
treatment model and integrate a machine learning component to temporally adjust
and reconfigure key parameters within the model thus promoting its
personalization. Using real clinical data, we show that our personalized model
favorably compares with the original one in predicting the number of cancer
cells at the end of the treatment, with 14.8% improvement, on average.
- Abstract(参考訳): がんは、毎年何百万もの新規患者を抱える世界でも最も広範にある病気の1つである。
膀胱癌は、明らかな原型患者を伴わない全ての個人に影響を及ぼす最も一般的ながんの1つである。
BCの現在の標準治療は、Bacillus Calmette-Guerin(BCG)免疫療法ベースの治療プロトコルに従っており、すべての患者にも適用される。
BCG治療に関連する臨床結果は、免疫系、治療、がん細胞間の相互作用の生物学的および臨床的複雑さにより、患者間で大きく異なる。
本研究は,bcg治療に関連する臨床動態を記述したパーソナライズされた数学的モデルを提供するために,患者の社会デモグラフィを利用する。
この目的のために,確立されたbcg処理モデルを採用し,機械学習コンポーネントを統合して,モデル内のキーパラメータの時間的調整と再構成を行い,パーソナライゼーションを促進する。
実際の臨床データを用いて、我々のパーソナライズされたモデルが、治療終了時のがん細胞の数を平均14.8%改善し、元のモデルと好意的に比較した。
関連論文リスト
- Deep Learning-based Prediction of Breast Cancer Tumor and Immune Phenotypes from Histopathology [3.9270231212340354]
各患者の腫瘍に対する腫瘍および免疫性表現型を再現的に測定する方法は広くは存在しない。
原発性乳癌のヘマトキシリンおよびエオシンスライドから10種類の生物学的関連経路の活性を評価するために,MILアルゴリズムを適用した。
訓練されたモデルでは,H&Eから細胞サブ集団の生物学的に関連する空間パターンを認識できる。
論文 参考訳(メタデータ) (2024-04-25T08:15:37Z) - Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。
医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。
本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
論文 参考訳(メタデータ) (2024-04-11T21:47:13Z) - Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate
Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging
Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。
Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文 参考訳(メタデータ) (2023-11-20T10:28:52Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳(メタデータ) (2023-04-12T05:41:44Z) - Comprehensive and user-analytics-friendly cancer patient database for
physicians and researchers [0.18472148461613155]
がんクリティカル遺伝子変異、血清ガレクチンプロファイル、血清および腫瘍グリコミックプロファイルを統合したリレーショナルデータベースが開発されている。
我々のプロジェクトは、がんのステージとサブタイプをまたいだ分子および臨床パターンを解析するための統合的で対話的で成長するデータベースのためのフレームワークを提供する。
論文 参考訳(メタデータ) (2023-02-01T20:10:06Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳(メタデータ) (2022-11-10T03:02:12Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - Leveraging a Joint of Phenotypic and Genetic Features on Cancer Patient
Subgrouping [7.381190270069632]
がん患者サブグループのための表現型および遺伝的特徴の関節を利用したシステムを開発した。
機能前処理では、最も関連する機能を保ちながらフィルタリングを行いました。
がん患者分類では、Random Forests (RF)、Decision Tree (DT)、Support Vector Machine (SVM)、Naive Bayes (NB)、Logistic Regression (LR)、Multilayer Perceptron (MLP)、Gradient Boosting (GB)、Convolutional Neural Network (CNN)、Feedforward Neural Network (FNN)の9つの機械学習モデルを活用しました。
論文 参考訳(メタデータ) (2021-03-30T13:07:05Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳(メタデータ) (2020-10-13T15:20:21Z) - Divide-and-Rule: Self-Supervised Learning for Survival Analysis in
Colorectal Cancer [9.431791041887957]
本稿では,組織領域の表現とクラスタリングのメトリクスを学習し,その基盤となるパターンを学習する自己教師型学習手法を提案する。
提案手法は, 患者結果予測の過度な適合を避けるために, 線形予測器の恩恵を受けることができることを示す。
論文 参考訳(メタデータ) (2020-07-07T09:15:36Z)
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。