論文の概要: Pain Forecasting using Self-supervised Learning and Patient Phenotyping: An attempt to prevent Opioid Addiction

• arxiv url: http://arxiv.org/abs/2310.06075v1
• Date: Mon, 9 Oct 2023 18:31:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 02:18:19.310059
• Title: Pain Forecasting using Self-supervised Learning and Patient Phenotyping: An attempt to prevent Opioid Addiction
• Title（参考訳）: 自己指導型学習と患者気管による痛み予測:オピオイド投与防止の試み
• Authors: Swati Padhee, Tanvi Banerjee, Daniel M. Abrams, and Nirmish Shah
• Abstract要約: シックル細胞病(Sickle Cell Disease)を治療するためには、将来の患者の痛みの軌跡を予測することが不可欠である。 主に患者の自己申告によって記録されるので,多くの痛み記録を入手して予測モデルを設計することは困難である。 本稿では、時系列データをクラスタリングするための自己教師付き学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sickle Cell Disease (SCD) is a chronic genetic disorder characterized by recurrent acute painful episodes. Opioids are often used to manage these painful episodes; the extent of their use in managing pain in this disorder is an issue of debate. The risk of addiction and side effects of these opioid treatments can often lead to more pain episodes in the future. Hence, it is crucial to forecast future patient pain trajectories to help patients manage their SCD to improve their quality of life without compromising their treatment. It is challenging to obtain many pain records to design forecasting models since it is mainly recorded by patients' self-report. Therefore, it is expensive and painful (due to the need for patient compliance) to solve pain forecasting problems in a purely supervised manner. In light of this challenge, we propose to solve the pain forecasting problem using self-supervised learning methods. Also, clustering such time-series data is crucial for patient phenotyping, anticipating patients' prognoses by identifying "similar" patients, and designing treatment guidelines tailored to homogeneous patient subgroups. Hence, we propose a self-supervised learning approach for clustering time-series data, where each cluster comprises patients who share similar future pain profiles. Experiments on five years of real-world datasets show that our models achieve superior performance over state-of-the-art benchmarks and identify meaningful clusters that can be translated into actionable information for clinical decision-making.
• Abstract（参考訳）: シックル細胞病(Sickle Cell Disease, SCD)は、慢性の遺伝疾患である。 オピオイドはこれらの痛みを伴うエピソードを管理するためにしばしば用いられるが、この障害における痛みを管理するのに使用される範囲は議論の的となっている。 これらのオピオイド治療による中毒や副作用のリスクは、多くの場合、将来より多くの痛みのエピソードを引き起こす。 したがって、将来の患者の痛みの軌跡を予測し、患者のSCD管理を支援し、治療を損なうことなく生活の質を向上させることが重要である。 患者の自己報告によって主に記録されるため,予測モデルの設計には多くの痛みの記録を得ることが困難である。 したがって、純粋に監督された方法で痛み予測問題を解くには高価で苦痛(患者コンプライアンスの必要性のため)である。 この課題を踏まえ,自己指導型学習手法を用いて痛み予測問題を解くことを提案する。 また、このような時系列データをクラスタリングすることは、患者の表現型化、"類似"患者を特定して患者の予後を予測し、同種患者サブグループに適した治療ガイドラインを設計する上で重要である。 そこで本研究では,時系列データをクラスタリングするための自己教師あり学習手法を提案する。 5年間にわたる実世界のデータセットの実験により、我々のモデルは最先端のベンチマークよりも優れたパフォーマンスを達成し、臨床的意思決定のために実行可能な情報に変換できる意味のあるクラスタを特定する。

関連論文リスト

• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Chronic pain patient narratives allow for the estimation of current pain intensity [0.9459979060644313]
  患者の物語から得られる言語特徴は、実際に痛みの強さを推定する情報を伝える。 以上の結果より,軽度痛の患者は動詞の使用に集中し,中等度・重度痛の患者は副詞,名詞,形容詞が中心であった。
  論文  参考訳（メタデータ） (2022-10-31T16:59:21Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• SANSformers: Self-Supervised Forecasting in Electronic Health Records with Attention-Free Models [48.07469930813923]
  本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。 SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。 本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
  論文  参考訳（メタデータ） (2021-08-31T08:23:56Z)
• Unobtrusive Pain Monitoring in Older Adults with Dementia using Pairwise and Contrastive Training [3.7775543603998907]
  高齢者では痛みが頻発するが、高齢者はしばしば痛みに対して過度に治療される。 これは、認知症を伴う認知障害のために痛みを報告できない中等度から重度の認知症を有する長期ケア居住者にとって特に当てはまります。 認知症コホートで検証された最初の完全自動化ビジョンベースの技術を紹介します。
  論文  参考訳（メタデータ） (2021-01-08T23:28:30Z)
• Phenotyping Clusters of Patient Trajectories suffering from Chronic Complex Disease [3.1564542805009332]
  当院において, COPD 患者における3つの異なるクラスタリングモデルについて検討した。 本研究では,不均一な時系列データと不均衡なクラス分布に対処し,表現型分離を改善するための新しい修正法を提案する。
  論文  参考訳（メタデータ） (2020-11-17T01:18:33Z)
• 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)
• Estimating Counterfactual Treatment Outcomes over Time Through Adversarially Balanced Representations [114.16762407465427]
  時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。 CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。 本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
  論文  参考訳（メタデータ） (2020-02-10T20:47:36Z)

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。