論文の概要: Generating Personalized Insulin Treatments Strategies with Deep Conditional Generative Time Series Models

• arxiv url: http://arxiv.org/abs/2309.16521v2
• Date: Mon, 13 Nov 2023 10:04:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 20:25:00.548780
• Title: Generating Personalized Insulin Treatments Strategies with Deep Conditional Generative Time Series Models
• Title（参考訳）: 深部条件生成時系列モデルを用いたパーソナライズされたインスリン治療戦略の作成
• Authors: Manuel Sch\"urch, Xiang Li, Ahmed Allam, Giulia Rathmes, Amina Mollaysa, Claudia Cavelti-Weder, Michael Krauthammer
• Abstract要約: 本稿では,深層生成時系列モデルと決定理論を組み合わせてパーソナライズされた治療戦略を生成する新しい枠組みを提案する。 入院糖尿病患者に対するパーソナライズされたインスリン治療戦略と血糖予測を作成した。
• 参考スコア（独自算出の注目度）: 4.224943637762605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel framework that combines deep generative time series models with decision theory for generating personalized treatment strategies. It leverages historical patient trajectory data to jointly learn the generation of realistic personalized treatment and future outcome trajectories through deep generative time series models. In particular, our framework enables the generation of novel multivariate treatment strategies tailored to the personalized patient history and trained for optimal expected future outcomes based on conditional expected utility maximization. We demonstrate our framework by generating personalized insulin treatment strategies and blood glucose predictions for hospitalized diabetes patients, showcasing the potential of our approach for generating improved personalized treatment strategies. Keywords: deep generative model, probabilistic decision support, personalized treatment generation, insulin and blood glucose prediction
• Abstract（参考訳）: 本稿では,深層生成時系列モデルと決定理論を組み合わせてパーソナライズされた治療戦略を生成する新しい枠組みを提案する。 歴史的な患者の軌跡データを利用して、深部生成時系列モデルを通じて、現実的なパーソナライズされた治療と将来の成果の軌跡を共同学習する。 特に, 個別化患者履歴に合わせた新しい多変量治療戦略を創出し, 条件付き期待効用最大化に基づく最適予測結果に向けて訓練することを可能にする。 入院糖尿病患者に対して、パーソナライズされたインスリン治療戦略と血糖予測を生成し、パーソナライズされた治療戦略を作成するためのアプローチの可能性を示す。 キーワード:深部生成モデル、確率的意思決定支援、パーソナライズされた治療生成、インスリンおよび血糖予測

関連論文リスト

• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
  本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。 本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-20T18:34:20Z)
• Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
  EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。 時間間隔推定を組み込んだ拡散モデルである。 我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
  論文  参考訳（メタデータ） (2024-06-20T02:20:23Z)
• Advancing Head and Neck Cancer Survival Prediction via Multi-Label Learning and Deep Model Interpretation [7.698783025721071]
  我々は,複数のHNC生存率を同時に予測するための,解釈可能なマルチラベル・マルチモーダル・ディープ・サバイバル予測フレームワーク IMLSP を提案する。 また、深層生存モデル視覚説明のために開発された、グラディエント重み付き時間イベント活性化マッピング手法であるGrad-TEAMを提案する。
  論文  参考訳（メタデータ） (2024-05-09T01:30:04Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• Personalized Event Prediction for Electronic Health Records [7.224184629864593]
  臨床イベントシーケンスは、時間内の患者のケアの記録を表す数百の臨床イベントから構成される。 臨床シーケンスの予測モデルを学ぶ上で重要な課題は、患者固有の多様性である。
  論文  参考訳（メタデータ） (2023-08-21T20:03:16Z)
• Two-step interpretable modeling of Intensive Care Acquired Infections [0.0]
  本稿では,高解像度長手データと生存モデルの動的予測機能を統合するための新しい手法を提案する。 モデルの解釈可能性を維持しながら予測力を向上すること。
  論文  参考訳（メタデータ） (2023-01-26T14:54:17Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Interpreting Deep Glucose Predictive Models for Diabetic People Using RETAIN [4.692400531340393]
  糖尿病患者における将来の血糖値予測のためのRETAINアーキテクチャについて検討した。 2段階のアテンションメカニズムのおかげで、RETAINモデルは解釈可能であり、標準的なニューラルネットワークと同じくらい効率的である。
  論文  参考訳（メタデータ） (2020-09-08T13:20:15Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• 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。