論文の概要: Improving ICD-based semantic similarity by accounting for varying
degrees of comorbidity
- arxiv url: http://arxiv.org/abs/2308.07359v1
- Date: Mon, 14 Aug 2023 14:56:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-16 15:07:34.529522
- Title: Improving ICD-based semantic similarity by accounting for varying
degrees of comorbidity
- Title（参考訳）: コンコビディティの多様性を考慮したICDに基づく意味的類似性の改善
- Authors: Jan Janosch Schneider and Marius Adler and Christoph Ammer-Herrmenau
and Alexander Otto K\"onig and Ulrich Sax and Jonas H\"ugel
- Abstract要約: 疾患と関連する健康問題(ICD)の国際統計分類は、疾患をコードするために世界中で使用されている。
意味的類似性アルゴリズムを用いて、ICDコードに基づく患者の類似性を計算することができる。
ICD-code セットに基づく意味的類似性の観点から,80種類の確立されたアルゴリズムの組み合わせの性能を比較した。
- 参考スコア（独自算出の注目度）: 39.58317527488534
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Finding similar patients is a common objective in precision medicine,
facilitating treatment outcome assessment and clinical decision support.
Choosing widely-available patient features and appropriate mathematical methods
for similarity calculations is crucial. International Statistical
Classification of Diseases and Related Health Problems (ICD) codes are used
worldwide to encode diseases and are available for nearly all patients.
Aggregated as sets consisting of primary and secondary diagnoses they can
display a degree of comorbidity and reveal comorbidity patterns. It is possible
to compute the similarity of patients based on their ICD codes by using
semantic similarity algorithms. These algorithms have been traditionally
evaluated using a single-term expert rated data set.
However, real-word patient data often display varying degrees of documented
comorbidities that might impair algorithm performance. To account for this, we
present a scale term that considers documented comorbidity-variance. In this
work, we compared the performance of 80 combinations of established algorithms
in terms of semantic similarity based on ICD-code sets. The sets have been
extracted from patients with a C25.X (pancreatic cancer) primary diagnosis and
provide a variety of different combinations of ICD-codes. Using our scale term
we yielded the best results with a combination of level-based information
content, Leacock & Chodorow concept similarity and bipartite graph matching for
the set similarities reaching a correlation of 0.75 with our expert's ground
truth. Our results highlight the importance of accounting for comorbidity
variance while demonstrating how well current semantic similarity algorithms
perform.
- Abstract（参考訳）: 類似した患者を見つけることは、治療結果の評価と臨床判断支援を促進する、精密医療の共通の目的である。
患者の特徴と類似性計算のための適切な数学的方法を選択することが重要である。
international statistical classification of disease and related health problems (icd) codesは世界中で病気をエンコードするために使われ、ほぼすべての患者で利用可能である。
一次診断と二次診断からなる集合として集約され、コンプレビディティの程度を示し、コンプレビディティパターンを明らかにすることができる。
意味的類似性アルゴリズムを用いて、ICDコードに基づく患者の類似性を計算することができる。
これらのアルゴリズムは伝統的に、長期のエキスパート評価データセットを用いて評価されてきた。
しかし、実語患者データは、しばしば、アルゴリズムのパフォーマンスを損なう可能性のある、文書化されたコモビディティの様々な度合いを示す。
そこで本稿では,文書化の相違を考慮に入れた尺度を提示する。
本研究では,icd符号集合に基づく意味的類似性の観点から,確立されたアルゴリズムの80組合せの性能を比較した。
これらのセットは、C25.X(膵臓癌)の初診患者から抽出され、様々なICDコードの組み合わせを提供する。
スケールの用語を使って、レベルベースの情報コンテンツ、leacock & chodorowのコンセプトの類似性と、0.75に到達した集合の類似性に対する2部グラフマッチングを組み合わせることで、最高の結果を得ることができました。
本研究は,現在の意味的類似性アルゴリズムの性能を実証しながら,同義性分散の計算の重要性を浮き彫りにした。
関連論文リスト
- Bridging the Diagnostic Divide: Classical Computer Vision and Advanced AI methods for distinguishing ITB and CD through CTE Scans [2.900410045439515]
放射線医の間では, 内皮-皮下脂肪比は, ITBとCDの鑑別における代用バイオマーカーとして認識されている。
本稿では,この比率計算を自動化するために,皮下脂肪の自動分離のための新しい2次元画像コンピュータビジョンアルゴリズムを提案する。
ITB, CD, 正常患者のサンプルを用いて, CTEスキャンのデータセットを用いてResNet10モデルを訓練し, 75%の精度を得た。
論文 参考訳（メタデータ） (2024-10-23T17:05:27Z) - A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge [30.611482996378683]
画像と疾患の多様性は、臨床価値を持つ一般化可能なAIアルゴリズムの開発を妨げる。
2022 Ischemic Stroke Lesion (ISLES) から得られた新しいアンサンブルアルゴリズムを提案する。
トップパフォーマンスのアルゴリズムを、個々のソリューションの限界を克服するアンサンブルモデルに組み合わせました。
論文 参考訳（メタデータ） (2024-03-28T13:56:26Z) - Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。
認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。
我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2023-07-14T03:15:56Z) - A method for comparing multiple imputation techniques: a case study on
the U.S. National COVID Cohort Collaborative [1.259457977936316]
統計的解析の文脈において、欠落データを扱うための戦略を数値的に評価する。
このアプローチは、最も有効でパフォーマンスの低いデータハンドリング戦略を効果的に強調することができる。
論文 参考訳（メタデータ） (2022-06-13T19:49:54Z) - Coronary Heart Disease Diagnosis Based on Improved Ensemble Learning [0.0]
本研究は,アンサンブル学習とカスケード一般化に基づく心臓疾患診断法を開発することを目的とする。
C4.5 と RIPPER はメタレベルアルゴリズム、Naive Bayes はベースレベルアルゴリズムとして使われた。
論文 参考訳（メタデータ） (2020-07-06T17:14:30Z) - COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。
実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
論文 参考訳（メタデータ） (2020-06-15T21:01:33Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z) - Deep Representation Learning of Electronic Health Records to Unlock
Patient Stratification at Scale [0.5498849973527224]
ヘテロジニアスEHRを処理するためのディープラーニングに基づく教師なしフレームワークを提案する。
患者層形成を効果的かつ効果的に行うことができる患者表現を導出する。
論文 参考訳（メタデータ） (2020-03-14T00:04:20Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。